fichas de asignaturas máster universitario en sistemas .... fichas de las asignaturas... · fichas...
Post on 13-Aug-2020
42 Views
Preview:
TRANSCRIPT
FICHAS DE ASIGNATURAS Máster Universitario en Sistemas Inteligentes
(última actualización 6 de junio de 2019)
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
2
MÓDULO I: INICIACIÓN A LA INVESTIGACIÓN EN SISTEMAS INTELIGENTES
MATERIA: METODOLOGÍA Y AVANCES EN INVESTIGACIÓN EN
SISTEMAS INTELIGENTES
METODOLOGÍA DE LA INVESTIGACIÓN
1.- Datos de la Asignatura
Código 304470 Plan 2013 ECTS 3
Carácter Obligatoria Curso 1 Periodicidad Semestral 1
Área Ciencia de la Computación e Inteligencia Artificial
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Vivian Félix López Batista Grupo / s 1
Departamento Informática y Automática
<<Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3011
Horario de tutorías Lunes y miércoles de 10:00 a 13:00
URL Web http://diaweb.usal.es/diaweb/personas/vivian
E-mail vivian@usal.es Teléfono 923294653
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
3
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Metodología y Avances en Investigación de Sistemas Inteligentes”, dentro del Módulo “Iniciación a la Investigación en Sistemas Inteligentes”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Iniciar al alumno en la labor de investigación. Conocer los métodos y herramientas para el desarrollo de la investigación siguiendo el método científico.
Perfil profesional.
Investigación
3.- Recomendaciones previas Se recomienda que el estudiante comience el Máster en Sistemas Inteligentes con la asignatura “Metodología de la Investigación”, para que pueda conocer todas las líneas de investigación relacionadas con el máster, pueda tener una visión general del estado del arte en Sistemas Inteligentes y una perspectiva global de todos los procesos asociados a las diferentes materias impartidas en el máster. 4.- Objetivos de la asignatura
Objetivos instrumentales generales • OI1: Conocer todas las líneas de investigación relacionadas con el posgrado. • OI2: Tener una visión general del estado del arte en sistemas inteligentes. • OI3: Tener una perspectiva global de todos los procesos asociados a las diferentes materias
impartidas en el posgrado. • OI4: Ofrecer los fundamentos básicos de métodos de ingeniería aplicados a las diferentes
materias que se imparten en el posgrado. • OI5: Conocer la importancia de aplicar una buena metodología de la investigación. • OI6: Incidir en los criterios de calidad de la aplicación de una buena metodología.
Objetivos interpersonales generales
• OIP1: Aplicar los objetivos interpersonales generales comunes en el ámbito de esta materia.
Objetivos sistémicos generales • OS1: Aplicar los objetivos sistémicos generales comunes en el ámbito de esta materia. • OS2: Desarrollar la madurez necesaria en el proceso de abstracción para abordar
problemas reales y plantear modelos y soluciones de forma razonada y correcta.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
4
5.- Contenidos
Unidad Didáctica I: Introducción y objetivos CIC4: Conocer los temas que se impartirán en la materia.
CIC5: Conocer los objetivos que se pretenden. CIC6: Conocer los medios de evaluación de la materia.
CIC7: Conocer la relación con las demás materias del posgrado.
Unidad Didáctica II: Investigación científica y método científico. Concepto y objetivos CIC8: Ver la definición y el objeto de la ciencia.
CIC9: Conocer las técnicas de la investigación científica.
CIC10: Conocer las etapas y las características del método científico.
Unidad Didáctica III: Temas de investigación CIC11: Conocer las diferentes líneas de investigación del departamento.
CIC12: Conocer las características de una buena elección del tema de investigación.
Unidad Didáctica IV: El acceso a las fuentes de información y documentación CIC13: Comprender el concepto de fuente de información.
CIC14: Conocer las diferentes fuentes disponibles así como el manejo básico de las mismas.
Unidad Didáctica V: Presentación y publicación del trabajo científico CIC15: Conocer los elementos esenciales de todo trabajo científico, incidiendo en las
técnicas necesarias para trabajar adecuadamente con estos elementos.
CIC16: Analizar las características diferenciadoras de diferentes tipos de trabajos científicos.
CIC17: Conocer diferentes sistemas de referencia bibliográfica, así como el software que nos permitirá manejar la bibliografía de forma más adecuada.
CIC18: Conocer las posibilidades de presentación de los trabajos, en relación con el tipo de trabajo.
CIC19: Conocer los mecanismos de publicación de artículos científicos.
CIC20: Introducción al Latex.
Unidad Didáctica VI: ¿Cómo hacer una tesis doctoral? CIC20: Conocer los procedimientos para la realización de una tesis doctoral.
CIC21: Conocer la normativa asociada a la tesis doctoral.
CIC22: Conocer los mecanismos de publicación y optimización de los resultados obtenidos.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
5
6.- Competencias a adquirir
Básicas/Generales. CB6, CB8, CB9, CB10, CG1, CG2.
Específicas. CE3, CE4, CE5
Transversales.
7.- Metodologías docentes
Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El desarrollo de la clase se llevará a cabo con medios audiovisuales que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado.
• Trabajos de investigación. Los alumnos desarrollarán algún trabajo de investigación sobre algún tema expuesto.
• Presentación de los trabajos. Los alumnos defienden públicamente sus trabajos. • Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las
que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admiten tutorías grupales.
• Zona virtual. La plataforma de enseñanza virtual de la asignatura constituye el vehículo de comunicación y registro de información de la materia.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
6
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno Alonso, Luis Enrique: La mirada cualitativa en sociología: una aproximación interpretativa. Madrid: Fundamentos, 1998. 268 p. ISBN 84-245-0776-2. Baner, Martin W.; Gaskell, George (eds.): Qualitative researching with text, image and sound: a practical handbook. London: Sage, 2000. ISBN 0-7619-6481-9. Cornelius, Ian: Meaning and method in information studies. Norwood (NJ): Ablex, 1996. xi, 238 p. ISBN 1-56750-228-8. Cordón García, José, López Lucas, Jesús. José Raúl Vaquero Pulido. Manual de investigación bibliográfica y documental: teoría y práctica. Madrid: Ediciones Pirámide, 2001 Crabtree, Benjamin F.; Miller, William L. (eds.): Doing qualitative research. 2nd ed. Thousand Oaks (Ca.): Sage, 1999. xvii, 406 p. ISBN 0-7619-1497-8. Delgado, Juan Manuel; Gutiérrez, Juan (eds.): Métodos y técnicas cualitativas de investigación en ciencias sociales. Madrid: Síntesis, 1994. 669 p. ISBN 84-7738-226-3. Denzin, Norman K.; Lincoln, Yvonna S. (eds.): Handbook of qualitative research. Thousand Oaks (Ca.): Sage, 1994. xii, 643 p. ISBN 0-8039-4679-1. Glazier, Jack D.; Powell, Ronald R. (eds.): Qualitative research in information management. Englewood (Co.): Libraries Unlimited, 1992. xiv, 238 p. ISBN 0-87287-806-6. Gorman, G. E.; Clayton, Peter: Qualitative research for the information professional: a practical handbook. With contributions from Mary Lynn Rice-Lively and Lyn Gorman. London: Library Association, 1997. 287 p. ISBN 1-85604-178-6. Jensen, K. B.; Jankowski, N. W. (eds.): Metodologías cualitativas de investigación en comunicación de masas. Barcelona: Bosch, 1993. 324 p. ISBN 84-7676-241-0.
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 6 20 30
Prácticas
- En aula 6 - En el laboratorio - En aula de informática 4 12 16 - De campo - De visualización (visu)
Seminarios Exposiciones y debates 4 4 Tutorías 2 2 Actividades de seguimiento online Preparación de trabajos 23 23 Otras actividades (detallar) Exámenes
TOTAL 20 55 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
7
King, Gary; Keohane, Robert O.; Verba, Sidney: El diseño de la investigación social: la inferencia científica en los estudios cualitativos. Madrid: Alianza, 2000. 272 p. ISBN 84-206-8697-2. Martyn, John; Lancaster, F. Wilfrid: Investigative methods in library and information science: an introduction. Arlington (Vi): Information Resources Press, 1981. Mellon, Constance Ann: Naturalistic inquiry for library science: methods and applications for research, evaluation, and teaching. New York [etc.]: Greenwood Press, 1990. xvii, 201 p. ISBN 0-313-25653-5. Mucchielli, Alex (dir.): Diccionario de métodos cualitativos en ciencias humanas y sociales. Madrid: Síntesis, 2001. 367 p. ISBN 84-7738-821-0. Rodríguez Gómez, Gregorio; Gil Flores, Javier; García Jiménez, Eduardo: Metodología de la investigación cualitativa. Archidona: Aljibe, 1996. 378 p. Ruiz Olabuénaga, José Ignacio: Metodología de la investigación cualitativa. Bilbao: Universidad de Deusto, 1996. 333 p. ISBN 84-7485-423-7. Santos, Miguel Ángel: Hacer visible lo cotidiano: teoría y práctica de la evaluación cualitativa de los centros escolares. 2ª ed. Torrejón de Ardoz (Madrid): Akal, 1993. 207 p. ISBN 84-7600-651-9. Schwartz, Howard; Jacobs, Jerry: Sociología cualitativa: método para la reconstrucción de la realidad. México: Trillas, 1995. 558 p. ISBN 968-24-1558-6. Torres Ramírez, Isabel (coord.) Las fuentes de información: estudios teórico-prácticos. Madrid: Síntesis, 1998 Trauth, Eileen M.: Qualitative research in IS: issues and trends. Hershey (PA): Idea Group Publishing, 2001. 350 p. ISBN 1-930708-06-8. Valles, Miguel S.: Técnicas cualitativas de investigación social: reflexión metodológica y práctica profesional. Madrid: Síntesis, 1997. 430 p. ISBN 84-7738-449-5.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. https://www.recursoscientificos.fecyt.es BibTeX EndNote Mendeley Papers RefWords Zotero ReadCube Latex
10.- Evaluación
Consideraciones Generales
Se valorará la asistencia a clase, los trabajos realizados y la interacción en las clases teóricas y en los foros de la plataforma virtual.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
8
Criterios de evaluación
Asistencia a clase: se exigirá un mínimo de 80%, salvo causa justificada.
Trabajos: se valorará el contenido, la precisión y el alcance del trabajo desarrollado, así como la interpretación de los resultados obtenidos, capacidad de comunicación y espíritu crítico y constructivo. Interacción en las clases teóricas.
Instrumentos de evaluación Control de asistencia Entrega y presentación de trabajos
Recomendaciones para la evaluación. Los trabajos representan la parte más importante de la evaluación. Para poder realizarlos es imprescindible comprender los conceptos explicados en las clases teóricas.
Recomendaciones para la recuperación. Para la recuperación será necesario entregar nuevos trabajos.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
9
MÓDULO I: INICIACIÓN A LA INVESTIGACIÓN EN SISTEMAS INTELIGENTES
MATERIA: METODOLOGÍA Y AVANCES EN INVESTIGACIÓN EN
SISTEMAS INTELIGENTES
NUEVAS TENDENCIAS EN SISTEMAS INTELIGENTES
1.- Datos de la Asignatura
Código 304471 Plan 2013 ECTS 3
Carácter Obligatorio Curso 1 Periodicidad Anual S1/S2
Área Ciencia de la Computación e Inteligencia Artificial
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Roberto Therón Sánchez Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3006
Horario de tutorías Jueves-Viernes 10:00-13:00
URL Web http://vis.usal.es/
E-mail theron@usal.es Teléfono 6090
Profesor Pastora I. Vega Cruz Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3022
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
10
Horario de tutorías Solicitar por correo electrónico
URL Web http://diaweb.usal.es/diaweb/personas/pvega http://control.usal.es
E-mail pvega@usal.es Teléfono 1309
Profesor María N. Moreno García Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Ciencias
Despacho F3005
Horario de tutorías Solicitar por correo electrónico
URL Web http://diaweb.usal.es/diaweb/personas/mmg
E-mail mmg@usal.es Teléfono 6091
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Metodología y Avances en Investigación de Sistemas Inteligentes”, dentro del Módulo “Iniciación a la Investigación en Sistemas Inteligentes”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. El propósito de esta materia es dar a conocer a los alumnos las líneas de investigación más recientes así como incorporar los últimos avances producidos en el ámbito de los sistemas Inteligentes a los contenidos del Máster. Para ello, la materia se organiza como una serie de seminarios impartidos por los profesores del Máster directores de Grupos de Investigación que presenten las líneas de Investigación del grupo y por profesores invitados que sean investigadores de reconocido prestigio en temas punteros en un campo de investigación afín al Máster.
Perfil profesional.
Investigación.
3.- Recomendaciones previas Para la mayoría de los seminarios y conferencias es recomendable haber cursado las asignaturas obligatorias del Máster.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
11
4.- Objetivos de la asignatura
Objetivos instrumentales generales OI1: Conocer las líneas de investigación más recientes relacionadas con los Sistemas Inteligentes. OI2. Conocer los últimos progresos logrados en el campo de los sistemas inteligentes. OI3: Orientación del alumno en la elección de una futura línea de investigación. OI4: Tener una visión más profunda de algunas parcelas de la investigación relacionadas con los sistemas inteligentes. OI5: Conocer el trabajo de investigación que se lleva a cabo en otras Universidades y/o centros de investigación españoles y extranjeros. Objetivos interpersonales generales Objetivos comunes a todas las materias. Objetivos sistémicos generales OS1: Capacidad de asimilar contenidos sobre un tema específico tratados en profundidad. OS2: Capacidad de interpretar, resumir y extraer la información relevante de contenidos que se presentan oralmente en conferencias sobre temas novedosos. OS3: Desarrollar la madurez necesaria para plantear cuestiones relacionadas con los temas tratados en la materia. 5.- Contenidos
Seminarios y conferencias de actualización en nuevas líneas de investigación en sistemas inteligentes. 6.- Competencias a adquirir
Básicas/Generales. CB6, CB8, CB9, CB10, CG1, CG2.
Específicas. CE3, CE4, CE5
Transversales.
7.- Metodologías docentes
Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El des- arrollo de la clase se llevará a cabo con medios audiovisuales que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
12
a intervenir en cualquier momento en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado. • Trabajos de investigación. Los alumnos desarrollarán algún trabajo de investigación sobre algún tema expuesto. • Presentación de los trabajos. Los alumnos defienden públicamente sus trabajos. • Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admiten tutorías grupales. • Zona virtual. La plataforma de enseñanza virtual de la asignatura constituye el vehículo de comunicación y registro de in- formación de la materia.
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno En Studium aparece el contenido de la asignatura, se da publicidad y se anuncia cada conferencia, además se cuelga el contenido de las mismas.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.
10.- Evaluación
Consideraciones Generales
Se valorará la asistencia a clase, los trabajos realizados y la interacción en las clases teóricas y en los foros de la plataforma virtual
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 10 5 15
Prácticas
- En aula - En el laboratorio - En aula de informática 10 10 - De campo - De visualización (visu)
Seminarios Exposiciones y debates 8 8 Tutorías Actividades de seguimiento online 42 42 Preparación de trabajos Otras actividades (detallar) Exámenes
TOTAL 10 0 65 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
13
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Asistencia y participación en clase 30% Actividad de seguimiento online 10% Exposición en clase de trabajo 60%
Total 100% Observaciones:
Criterios de evaluación Asistencia a clase: se exigirá un mínimo de 80%, salvo causa justificada. Trabajos: se valorará el contenido, la precisión y el alcance del trabajo desarrollado, así como la interpretación de los resultados obtenidos, capacidad de comunicación y espíritu crítico y constructivo. Interacción en las clases teóricas.
Instrumentos de evaluación Control de asistencia Entrega y presentación de trabajos
Recomendaciones para la evaluación. Es fundamental la participación activa en los seminarios y conferencias.
Recomendaciones para la recuperación. Para la recuperación será necesario entregar trabajos que demuestren el aprovechamiento de la asignatura
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
14
MÓDULO II: INTELIGENCIA COMPUTACIONAL
MATERIA: INTELIGENCIA COMPUTACIONAL
INTELIGENCIA AMBIENTAL Y SISTEMAS MULTIAGENTE
1.- Datos de la Asignatura
Código 304472 Plan 2013 ECTS 3
Carácter Obligatorio Curso 1 Periodicidad Semestral S1
Área Ciencia de la Computación e Inteligencia Artificial
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Juan Manuel Corchado Rodríguez Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3010
Horario de tutorías Solicitar por correo electrónico
URL Web https://bisite.usal.es/es/grupo/equipo/corchado
E-mail corchado@usal.es Teléfono 4430
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
15
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Inteligencia Computacional”, dentro del Módulo “Inteligencia Computacional”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Perfil profesional.
Investigación
3.- Recomendaciones previas 4.- Objetivos de la asignatura
Definir, conocer y delimitar las áreas de inteligencia ambiental y los modelos de agente y sistemas multiagente, para que los estudiantes puedan entender el alcance de los mismos y desarrollar sistemas basados en estas tecnologías. 5.- Contenidos
Unidad Didáctica 1. Introducción a la inteligencia ambiental: Motivaciones. Historia. Función de pertenencia. Unidad Didáctica 2. Tecnología Básica para el desarrollo de sistemas de inteligencia ambiental: identificación, localización, control, gestión. Unidad Didáctica 3. Modelos inteligentes en inteligencia ambiental: Arquitecturas, sistemas de razonamiento, localización y control. Unidad Didáctica 4. Aplicaciones de inteligencia Ambiental: revisión del estado del arte, evaluación de propuestas, empresas del sector. Unidad Didáctica 5. Introducción a los Agentes y Sistemas Multiagente: conceptos básicos. Unidad Didáctica 6. Arquitecturas para construir agentes y sistemas multiagente: reactivas, deliberativas e híbridas. Unidad Didáctica 7. Tipos de Agentes: internet, móviles, interfaz, etc. Unidad Didáctica 8. Comunicación: Modelos, coordinación y negociación. Unidad Didáctica 9. Sistemas Multiagente: arquitecturas, modelos de cooperación y organizaciones. Unidad Didáctica 10. Casos de estudio y herramientas: Entornos hospitalarios, geriátricos y domiciliarios
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
16
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5
Transversales.
7.- Metodologías docentes
• Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. El desarrollo de la clase se llevará a cabo con medios audiovisuales, textos, transparencias… que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicos y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado. Las transparencias que se utilizarán en clase son un subconjunto de las que se facilitan a los alumnos en la página web. Estas transparencias son una guía para el estudio, pero no son sustitutas de la bibliografía recomendada. • Videos: se proyectarán algunos videos, en inglés, publicados por el IEEE, con conferencias o tutoriales. • Talleres de prácticas. Las clases prácticas presenciales estarán dedicadas a la resolución colaborativa de problemas de inteligencia ambiental y informática distribuida con sistemas multiagente. • Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. • Plataforma web. Se convierte en el vehículo de comunicación y registro de información de la materia. El profesor mantiene actualizada la información de esta página para que se convierta en un vehículo de comunicación con los alumnos. • El alumno debe ser capaz de buscar información en las revistas electrónicas a las que la Universidad está suscrita (IEEE fundamentalmente) relacionadas con la inteligencia ambiental y los sistemas multiagente.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
17
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno y Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Anderson, S., Bohren, J., Boubez, T., Chanliau, M., Della-Libera, G., & Dixon, B. (2004). Web services secure conversation language (WS-SecureConversation). Anderson, S., Bohren, J., Boubez, T., Chanliau, M., Della, G., & Dixon, B. (2005). Web services trust language (WS-Trust). Bajo, J., Corchado, J. M., Pinzón, C., Paz, Y. D., & Pérez-Lancho, B. (2008). SCMAS: A distributed hierarchical multi-agent archi- tecture for blocking attacks to databases. International Journal of Innovative Computing, Information and Control. Bebawy, R., Sabry, H., El-Kassas, S., Hanna, Y., & Youssef, Y. (2005). Nedgty: Web services firewall. Brownell, D. (Ed.) (2002). SAX2. O’Reilly & Associates, Inc. Carrascosa, C., Bajo, J., Julian, V., Corchado, J. M., & Botti, V. (2008). Hybrid multiagent architecture as a real-time problem- solving model. Expert Systems with Applications, 34, 2–17. Corchado, J. M., Bajo, J., & Abraham, A. (2008). GerAmi: Improving healthcare delivery in geriatric residences. Intelligent Systems, IEEE, 23, 19–25. Corchado, J. M., Bajo, J., DePaz, J. F., & Rodríguez, S. (2009). An execution time neural-CBR guidance assistant. Neurocompu- ting. Corchado, J. M., & Laza, R. (2003). Constructing deliberative agents with case-based reasoning technology. International Journal of Intelligent Systems, 18, 1227–1241. Corchado, J. M., Laza, R., Borrajo, L., Luis, J. C. Y. A. D., & ValiÑo, M. (2003). Increasing the autonomy of deliberative agents with a case-based reasoning system. International Journal of Computational Intelligence and Applications, 3, 101–118. Chonka, A., Zhou, W., & Xiang, Y. (2009). Defending grid web services from XDoS attacks by SOTA. Fujii, K. (2000). Jpcap –a network packet capture library for applications written in Java. <http://netresearch.ics.uci.edu/kfujii/jpcap/doc/index.html>. Della-Libera, G., Hallam-Baker, P., Hondo, M., Janczuk, T., Kaler, C., & Maruyama, H. (2005). Web services security policy language version 1.0 (WS-SecurityPolicy).
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 17 15 32
Prácticas
- En aula - En el laboratorio - En aula de informática 3 11 20 34 - De campo - De visualización (visu)
Seminarios Exposiciones y debates 6 6 Tutorías 3 3 Actividades de seguimiento online Preparación de trabajos Otras actividades (detallar) Exámenes
TOTAL 23 11 41 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
18
Gallagher, M., & Downs, T. (2003). Visualization of learning in multilayer perceptron networks using principal component analysis. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 33, 28–34. Gruschka, N., & Luttenberger, N. (2006). Protecting web services from DoS attacks by SOAP message validation. Im, E. G. & Song, Y. H. (2005). An adaptive approach to handle DoS attack for web services. In S. B. Heidelberg (Ed.). Fig. 9. Error rate depending on the number of registered cases. Fig. 10. Percentage of execution for each of the CBRMAS agents along the five testing days and average execution time obtained for the classification of services. Fig. 11. Percentage of times that each of the CBRMAS agents are executed along the five testing days. 5498 C.I. Pinzón et al. / Expert Systems with Applications 38 (2011) 5486–5499 Jensen, M., Gruschka, N., Herkenhoner, R., & Luttenberger, N. (2007). SOA and web services: New technologies, new standards – new attacks. In Fifth European conference on web services. Laza, R., Pavó, N. R., & Corchado, J. M. (2003). A reasoning model for CBR_BDI agents using an adaptable fuzzy inference system. In R. Conejo, M. Urretavizcaya, & J.-L. P. De-la Cruz (Eds.). Springer. Lecun, Y., Bottou, L., Orr, G. B., & MÜller, K. R. (1998). Efficient BackProp. Neural networks: Tricks of the trade. Berlin/Heidelberg: Springer. Loh, Y.-S., Yau, W.-C., Wong, C.-T., & Ho, W.-C. (2006). Design and implementation of an XML Firewall. In International conference on computational intelligence and security (Vol. 2, pp. 1147–1150). OASIS (2004). Web services security: SOAP message security 1.1 (WS-Security 2004). Padmanabhuni, S., Singh, V., Kumar, K. M. S. & Chatterjee, A. (2006). Preventing service oriented denial of service (PreSODoS): A proposed approach. PinzóN, C., Paz, Y. D., & Bajo, J. (2008). A multiagent based strategy for detecting attacks in databases in a distributed mode. In J. M. Corchado, S. Rodríguez, J. Llinas, J. M. Molina, International symposium on distributed computing and artificial intelligence (DCAI2008), Salamanca, Spain, Berlin. Schuba, C. L., Krsul, I. V., Kuhn, M. G., Spafford, E. H., Sundaram, A., & Zamboni, D. (1997). Analysis of a denial of service attack on TCP. Washington, DC, USA: IEEE Computer Society. Srivatsa, M., Iyengar, A., Yin, J., & Liu, L. (2008). Mitigating application-level denial of service attacks on Web servers: A client- transparent approach. ACM. Wang, J. (2006). Defending against denial of web services using sessions. Ye, X. (2008). Countering DDoS and XDoS attacks against web services. Yee, C. G., Shin, W. H., & Rao, G. S. V. R. K. (2007). An adaptive intrusion detection and prevention (ID/IP) framework for web services. In International conference on convergence information technology (ICCIT ’07). Washington, DC, USA: IEEE Computer Society.
10.- Evaluación
Consideraciones Generales
Se evaluará la asistencia y participación en las clases y la capacidad de aplicación de los conocimientos en la realización de trabajos y prácticas.
Criterios de evaluación Se tendrán en cuenta los siguientes criterios: Asistencia a clase: en principio se exigirá un mínimo de asistencia de un 80%, pero podrán considerarse casos particulares suficientemente justificados.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
19
Interacción en las clases teóricas. Participación y resultados obtenidos en las clases de prácticas. Presentación del trabajo, en el que se valorará la precisión, capacidad de comunicación y el espíritu crítico y constructivo. La calificación final se obtendrá ponderando de igual forma los resultados de las prácticas y del trabajo. Los resultados de la evaluación continua servirán para mejorar la calificación.
Instrumentos de evaluación Control de asistencia Entrega y presentación de trabajos
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Asistencia y participación en clase 90% Actividad de seguimiento online 10%
Total 100% Observaciones:
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
20
MÓDULO II: INTELIGENCIA COMPUTACIONAL
MATERIA: INTELIGENCIA COMPUTACIONAL
COMPUTACIÓN NEUROBORROSA
1.- Datos de la Asignatura
Código 304473 Plan 2013 ECTS 3
Carácter Obligatorio Curso 1 Periodicidad Semestral S1
Área Ciencia de la Computación e Inteligencia Artificial
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Emilio Santiago Corchado Rodríguez Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3013
Horario de tutorías Solicitar cita por correo electrónico
URL Web https://bisite.usal.es/es/grupo/equipo/escorchado
E-mail escorchado@usal.es Teléfono 6086
Profesor Coordinador Angélica González Arrieta Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3003
Horario de tutorías Solicitar cita por correo electrónico
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
21
URL Web http://diaweb.usal.es/diaweb/personas/angelica
E-mail angelica@usal.es Teléfono 1302
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Inteligencia Computacional”, dentro del Módulo “Inteligencia Computacional”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Muy importante.
Perfil profesional.
Ingenieros de computación aplicada a reconocimiento de patrones y control avanzado.
3.- Recomendaciones previas • Conocer los fundamentos del Algebra Lineal y Cálculo Matricial • Conocer los elementos básicos de un lenguaje de programación de 3ª generación. 4.- Objetivos de la asignatura
Obtener una panorámica general del estado del arte en Sistemas Conexionistas y Lógica Borrosa Conocer las posibles líneas de investigación en la materia. Conocer y utilizar la terminología y metodología utilizada en Sistemas Neuroborrosos a la hora de abordar problemas concretos. Adquirir una visión inicial de alguna de las herramientas software y hardware disponibles. 5.- Contenidos
Unidad Didáctica 1- Teoría de conjuntos borrosos. CIC1.- Conocer la génesis y motivaciones de los conjuntos borrosos. CIC2.- Comprender como la teoría de conjuntos clásicos (“nítidos”) se puede tratar como un caso particular de conjuntos borrosos. Unidad Didáctica 2.- Definiciones y operaciones básicas. CIC3.- Extender los conceptos de teoría de conjuntos clásicos a borrosos. CIC4.- Redefinir las operaciones intra y entre conjuntos. CIC5.- Plantear los conceptos de T-normas y T-conormas. Unidad Didáctica 3.- Extensión a la lógica. CIC6.- Extender la semántica cierto-falso de la lógica clásica a grados de verdad. CIC7.- Replantear las reglas básicas de la lógica clásica. CIC8.- Plantear el concepto de variable lingüística.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
22
Unidad Didáctica 4.- Algoritmo básico de inferencia borrosa. CIC9.- Definir el formalismo y la metodología para plantear de forma uniforme los problemas de decisión borrosa. CIC10.- Conocer las diferentes alternativas de inferencia y de interpretación de resultados. Unidad Didáctica 5.- Aplicaciones. CIC11.- Presentar algunas realizaciones prácticas resueltas. CIC12.- Plantear posibles problemas abiertos para su solución. Unidad Didáctica 6- Introducción. Motivaciones. CIC1.- Conocer la génesis y motivaciones de las redes neuronales artificiales. CIC2.- Introducir la analogía con los sistemas neuronales biológicos. Unidad Didáctica 7.- Definiciones. Modelos. Historia. CIC3.- A través de la perspectiva histórica, ir introduciendo los diferentes conceptos y tratamientos. Unidad Didáctica 8.- Arquitecturas de redes. CIC4.-Conocer las diferentes arquitecturas funcionales y sus propiedades algebraicas y topológicas. Unidad Didáctica 9.- Aprendizaje: paradigmas, reglas, algoritmos. CIC5.- Entender el concepto de aprendizaje en el contexto de las redes neuronales. CIC6.- Conocer los diferentes paradigmas y sus campos de aplicación. Unidad Didáctica 10.- El perceptrón simple. El perceptrón multicapa. CIC7.- Conocer las propiedades del paradigma conexionista que más se ha empleado. Unidad Didáctica 11.- Redes auto-organizadas. CIC8.- Entender las propiedades y aplicaciones de las redes de aprendizaje no supervisado. Unidad Didáctica 12.- Redes recurrentes y jerárquicas. CIC9.- Plantear las propiedades y campos de aplicación de algunos tipos de redes de uso minoritario pero emergente. Unidad Didáctica 13.- Funciones de base radial. CIC10.- Entender el enfoque RBF que trata de superar alguna de las limitaciones de los modelos anteriores. Unidad Didáctica 14.- Implementaciones: software, hardware. CIC11.- Conocer diferentes metodologías, lenguajes y herramientas para la solución de problemas con técnicas conexionistas. Unidad Didáctica 15.- Aplicaciones. CIC12.- Describir algunas de las aplicaciones más exitosas de esta tecnología.
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5
Transversales.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
23
7.- Metodologías docentes
• Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. El desarrollo de la clase se llevará a cabo con medios audiovisuales, textos, transparencias… que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicos y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado. Las transparencias que se utilizarán en clase son un subconjunto de las que se facilitan a los alumnos en la página web. Estas transparencias son una guía para el estudio, pero no son sustitutas de la bibliografía recomendada. • Videos: se proyectarán algunos videos, en inglés, publicados por el IEEE, con conferencias o tutoriales dados por autores relevantes en Sistemas Borrosos • Talleres de prácticas. Las clases prácticas presenciales estarán dedicadas a la resolución colaborativa de problemas de modelado y diseño, para lo cual se utiliza alguna de las herramientas para sistemas borrosos existentes. • Trabajo obligatorio. Al alumno se le dará una publicación reciente sobre el tema, sobre la cual debe elaborar una presentación en la que establezca un análisis del contenido de la publicación y una revisión crítica. Esta presentación se hará en público y se estimula la interacción con el resto de los alumnos de la materia. Servirá para establecer la calificación. • Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. • Página web. Se convierte en el vehículo de comunicación y registro de información de la materia. El profesor mantiene actualizada la información de esta página para que se convierta en un vehículo de comunicación con los alumnos. • El alumno debe ser capaz de buscar información en las revistas electrónicas a las que la Universidad está suscrita (IEEE fundamentalmente) relacionadas con el tema de Sistemas Borrosos.
8.- Previsión de distribución de las metodologías docentes
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 9 9 12 30
Prácticas
- En aula - En el laboratorio - En aula de informática 9 3 3 15 - De campo - De visualización (visu)
Seminarios 2 2 2 6 Exposiciones y debates 2 2 Tutorías Actividades de seguimiento online Preparación de trabajos 6 16 22 Otras actividades (detallar) Exámenes
TOTAL 22 20 33 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
24
9.- Recursos
Libros de consulta para el alumno J.-S. R. Jang, C.-T. Sun and E. Mizutani, (1996) “Neuro-Fuzzy and Soft Computing”.- Prentice Hall, Bender, E.(1996) “Mathematical Methods in Artificial Intelligence”- IEEE Computer Society Press Aranda Almansa, et al. (2003)- “Fundamentos de Lógica Matemática” Sanz y Forés Dumitrescu, Lazzerini, Jain.(2000) . “Fuzzy Sets and Their Application to Clustering and Training”.- CRC Press, 2000 S.Haykin.- Neural Networks: a Comprehensive Foundation..- Mc Millan, 98 B.Martín, A. Sanz.- Redes Neuronales y Sistemas Borrosos.- RAMA, 1997 Krose, Smagt.- An Introduction to Neural Networks.- Univ. Amsterdam, 1997 Chen.- Fuzzy Logic and Neural Network Handbook.- Mc Graw Hill, 1996 Jang, Sun, Mazutani.- Neuro-Fuzzy and soft Computing.- Prentice 97 Vemuri, Rogers.- Artificial Neural Networks: Forecasting Time Series. IEEE Press, 1994 Aleksander, Morton .- An Introduction to Neural Computing. Chapman, Hall 1990 Hecht-Nielssen.- Neurocomputing . Addison-Wesley, 1991
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Association for Computing Machinery (ACM) http://www.acm.org. Fundada en 1947 fue la primera sociedad científica y de educación del mundo. El portal de información que presenta es impresionante, tanto en cuanto a enlaces de interés, grupos de trabajo, documentos electrónicos, conferencias como por su biblioteca digital conteniendo revistas y actas de congresos (http://por tal.acm.org). Institute of Electrical and Electronics Engineers (IEEE) http://www.ieee.org. Otra prestigiosa organización compuesta por diversas sociedades, donde la que más relación tiene con los temas abordados en el presente curso es la IEEE Computer Society (http://computer.org). A semejanza de ACM, ofrece información sobre conferencias, estándares, educación y mantiene otra biblioteca digital con revistas y actas de congresos. Applets en Java: http://staff.aist.go.jp/utsugi-a/Lab/Links.html http://encina.usal.es/~rosavi/rn/index.htm http://www.cis.hut.fi/research/javasomdemo/demo2.html Almacen de redes neuronales: http://neuralnetworks.ai-depot.com/ Computer Science en Nacional University Taiwán. http://www.cs.nthu.edu.tw/~jang/nfsc.htm
10.- Evaluación
Consideraciones Generales
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
25
Criterios de evaluación • Asistencia a clase: se exigirá un mínimo de 80% . • Presentación del trabajo: se valorará la precisión, capacidad de comunicación y espíritu crítico y constructivo. • Interacción en las clases teóricas. • No está prevista ninguna forma de evaluación alternativa (entrega de trabajos, etc).
Instrumentos de evaluación
Recomendaciones para la evaluación. Claridad, concisión, capacidad de síntesis, comprensión de lo expuesto.
Recomendaciones para la recuperación. Las mismas.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Asistencia y participación en clase 90% Actividad de seguimiento online 10%
Total 100% Observaciones:
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
26
COMPUTACIÓN NEUROBORROSA MÓDULO III: ROBÓTICA Y AUTOMATIZACIÓN
MATERIA: ROBÓTICA
ROBOTS AUTÓNOMOS
1.- Datos de la Asignatura
Código 304474 Plan 2013 ECTS 3
Carácter Obligatorio Curso 1 Periodicidad Semestral S1
Área Ingeniería de Sistemas y Automática
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Belén Curto Diego Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3018
Horario de tutorías Jueves y viernes de 9 a 12 horas
URL Web http://diaweb.usal.es/diaweb/personas/bcurto
E-mail bcurto@usal.es Teléfono 6081
Profesor Coordinador Vidal Moreno Rodilla Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3007
Horario de tutorías L 9:00 a 11:00, M 9:00 a 10:00, X de 9:00 a 12:00
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
27
URL Web http://diaweb.usal.es/diaweb/personas/vmoreno
E-mail vmoreno@usal.es Teléfono 6089
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Robótica”, dentro del Módulo “Robótica y Automatización”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Esta asignatura supone la iniciación de los alumnos en una de las aplicaciones emblemáticas de los Sistemas Inteligentes: los robots. En la construcción de los robots, de hecho, van a confluir varias de las tecnologías contempladas en este Máster, destacando que el carácter “autónomo” de los robots requiere de forma intensiva de comportamientos inteligentes.
Perfil profesional.
Investigación.
3.- Recomendaciones previas Haber cursado las asignaturas “Técnicas de Planificación de Robots” y “Navegación de Robots” 4.- Objetivos de la asignatura
Objetivos instrumentales generales OI1: Utilizar con fluidez fundamentos teóricos sobre los que se sustenta la robótica. OI2: Conocer y utilizar los elementos de un sistema robótico. OI3: Adquirir una visión inicial del campo de robótica. Objetivos interpersonales generales OIP1: Aplicar los objetivos interpersonales generales comunes en el ámbito de esta materia. Objetivos sistémicos generales OS1: Desarrollar la madurez necesaria en el proceso de abstracción para abordar problemas reales y plantear modelos y soluciones de forma razonada y correcta.
OS2: Reforzar el hábito de desarrollar diferentes alternativas, cuestionando las características, riegos y viabilidad de cada una, para cada problema planteado.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
28
5.- Contenidos
Unidad Didáctica 1. Introducción Antecedentes Definición Clasificación y aplicaciones Mercado de robots Unidad Didáctica 2. Estructura general Estructura mecánica Sensores. Actuadores Sistema de control Unidad Didáctica 3. Estructura mecánica Manipuladores: Configuraciones cinemáticas Robots redundantes Robots paralelos Robots móviles: Tipos de ruedas. Configuraciones diferencial, cadenas, Synchro Drive, Triciclo Unidad Didáctica 4. Actuadores y sensores Clasificación de actuadores. Criterio de selección. Potencia requerida. Precisión. Transmisores y reductores Sensores en manipuladores: posición, fuerza y visión Sensores en móviles. Sensores de odometría: encoders. Acelerómetros, giróscopos, brújulas. Infrarrojos, sonar, laser. Balizas, GPS Unidad Didáctica 5. Descripción matemática Introducción Herramientas de Representación: Sistemas de coordenadas, Matriz de rotación, Coordenadas homogéneas Cinemática de manipuladores: Directa e inversa. Representación Denavit-Hartenberg Restricciones holonómicas y no holonómicas Cinemática de móviles: Vehículo diferencial, tipo triciclo. Unidad Didáctica 6. Capacidades autónomas Clasificación según el grado de autonomía: Teleoperados, de funcionamiento repetitivo, autónomos. Capacidad de navegación: enfoques basados en comportamientos, enfoques basados en mapas. Representación del entorno: continua, estrategias de descomposición. Unidad Didáctica 7. Planificación y evitación de colisiones Espacio de las configuraciones Roadmap: grafo de visibilidad y diagrama de Voronoi Descomposición de celdas, frente de ondas, grafo de conectividad Campo de potencial Evitación de obstáculos Contenidos Prácticos Sesión 1. Presentación del robot Roomba Sensores y actuadores Protocolo de comunicaciones Bibliotecas para la programación Sesión 2. Primer comportamiento del robot Programación de un comportamiento de evitación de colisiones Sesión 3. Segundo comportamiento del robot Programación de comportamiento con sensores infrarrojos Sesión 4. Odometría Programación de una trayectoria utilizando los datos de odometría
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
29
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5, CE6
Transversales.
7.- Metodologías docentes
Aplicando los principios en que se basa la reforma de la educación superior en el marco de lo que se ha dado en llamar “Espacio Europeo de Educación Superior” (EEES), el posgraduado en alguna rama de Ingeniería en Informática debe estar capacitado para aprender a conocer, hacer, convivir y ser, en su ámbito personal, profesional y social, de acuerdo con lo recogido en el informe de la UNESCO sobre las perspectivas de la educación en el siglo XXI. Para caminar en este sentido, el modelo educativo que se va a seguir en la asignatura de Robots Autónomos tiene en la clase magistral un elemento importante, pero ni mucho menos exclusivo, en la transmisión de conocimiento. Este tipo de enseñanza se va a complementar con otros procesos entre los que cabe destacar las prácticas basadas en enseñanza colaborativa de gran importancia en posteriores trabajos de investigación. A continuación, se reseñan: - Actividades introductorias - Actividades teóricas (dirigidas por el profesor) o Sesión magistral * Eventos científicos - Actividades prácticas guiadas (dirigidas por el profesor) * Prácticas en laboratorios * Practicas en aula informáticas * Exposiciones * Debates - Atención personalizada (dirigida por el profesor) * Tutorías * Actividades de seguimiento on-line - Actividades prácticas autónomas (sin el profesor) * Trabajos * Estudio de casos - Pruebas de evaluación * Pruebas prácticas
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
30
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno - “Introduction to AI Robotics”. Robin R. Murphy, 2000. - “Navigating Mobile Robots: Sensors and Techniques”. J. Borenstein, H. R. Everett, and L. Feng. Publisher: A. K. Peters, Ltd., Wellesley, MA. - “Intelligent Mobile Robot Navigation” Springer Tracts in Advanced Robotics Springer-Verlag GmbH. Volume 16 / 2005.Editors: Federico Cuesta, Aníbal Ollero.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Revistas (se incluye el año de primera publicación). • International Journal on Robotics Research (1986) • IEEE Transactions on Robotics and Automation (1988) Congresos • IEEE International Conference on Robotics and Automation ICRA • IEEE International Conference on Intelligent Robots and Systems IROS
10.- Evaluación
Consideraciones Generales
Se utilizará un sistema de evaluación continua teniendo en cuenta la asistencia y la participación activa de los estudiantes en las clases. Además de ello, la calificación se basará en el trabajo teórico y/o prácticas con robots reales y en la calidad de la presentación realizada por el alumno.
Se seguirán los criterios de evaluación generales del Máster
Criterios de evaluación 30 % Asistencia a clase. 70 % Realización de trabajos teóricos y/o prácticos.
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 12 24 36
Prácticas
- En aula - En el laboratorio 6 18 24 - En aula de informática - De campo - De visualización (visu)
Seminarios Exposiciones y debates 1 2 3 Tutorías Actividades de seguimiento online 1 1 Preparación de trabajos 9 9 Otras actividades (detallar) Exámenes 2 2
TOTAL 20 2 53 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
31
Instrumentos de evaluación Asistencia y participación en clase. Realización y presentación de trabajos y/o prácticas
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 30% Prueba de evaluación oral 20% Asistencia y participación en clase 30%
Total 100% Observaciones:
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
32
MÓDULO III: ROBÓTICA Y AUTOMATIZACIÓN
MATERIA: SISTEMAS INTELIGENTES EN CONTROL
CONTROL INTELIGENTE
1.- Datos de la Asignatura
Código 304475 Plan 2013 ECTS 3
Carácter OBLIGATORIO Curso 1 Periodicidad Semestral S1
Área Ingeniería de Sistemas y Automática
Departamento Informática y Automática
Plataforma Virtual
Plataforma: Moodle - Studium
URL de Acceso: http://studium.usal.es
Datos del profesorado
Profesor Coordinador Pastora Vega Cruz Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3022
Horario de tutorías Solicitar por correo electrónico
URL Web http://diaweb.usal.es/diaweb/personas/pvega http:\control.usal.es
E-mail pvega@usal.es Teléfono 1309
Profesor r Belén Pérez Lancho Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3001
Horario de tutorías Solicitar por correo electrónico
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
33
URL Web http://diaweb.usal.es/diaweb/personas/lancho
E-mail lancho@usal.es Teléfono 6094
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Sistemas Inteligentes en Control”, dentro del Módulo “Robótica y Automatización”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Perfil profesional.
Investigación
3.- Recomendaciones previas No se establecen 4.- Objetivos de la asignatura
Definir, conocer y delimitar los paradigmas de control convencional clásico e inteligente, haciendo especial hincapié en las técnicas de control basado en redes neuronales y de control borroso. Comprender en qué tipo de problemas de control son aplicables y las ventajas e inconvenientes que plantean. Conocer y evaluar las herramientas de diseño disponibles y algunas aplicaciones reales.
5.- Contenidos Unidad didáctica 1.- Introducción al Control clásico. Regulación
Sistemas de control con realimentación. Controladores PID. Sintonía. Jerarquía de control. Unidad didáctica 2.- Introducción a los sistemas de control inteligentes Motivación. Historia. Características fundamentales del Control Inteligente. Clasificación de las distintas técnicas. Unidad didáctica 3.- Control neuronal: Conceptos generales de la identificación y control. Control de sistemas mediante redes neuronales. Clasificación. Esquemas de control directo. Control neuronal por modelo de referencia. Esquemas de control indirecto. Control Predictivo Neuronal. Aplicaciones. Unidad didáctica 4.- Control Borroso Conceptos básicos de lógica borrosa. Estructura de un controlador borroso. Ejemplos de
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
34
control basado en reglas. Ejemplos de control P, PI y PID borrosos. Aplicaciones. Unidad didáctica 5.- Uso de herramientas comerciales Casos de estudio: diseño y desarrollo práctico de controladores inteligentes.
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2
Específicas. CE1, CE2, CE3, CE7
Transversales.
7.- Metodologías docentes
• Clases presenciales con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. El desarrollo de la clase se llevará a cabo con medios audiovisuales, textos, transparencias… Se intentará motivar y despertar el interés de los alumnos fomentando su participación en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Al terminar la exposición se presentarán las conclusiones más relevantes del tema tratado y se propondrán ejercicios o casos prácticos. Las transparencias que se utilizarán en clase son un subconjunto de las que se facilitan a los alumnos en la página web y servirán como guía para el estudio, pero no son sustitutas de la bibliografía recomendada.
• Otros recursos. se proporcionará acceso a videos específicos sobre el tema incluyendo conferencias o tutoriales dados por autores relevantes.
• Sesiones de prácticas. Las clases prácticas presenciales estarán dedicadas a la resolución colaborativa de problemas de diseño de controladores neuronales y borrosos, para lo cual se utiliza alguna de las herramientas para sistemas de control inteligente existentes.
• Trabajo obligatorio. A cada alumno se le propondrá un caso de estudio para diseñar e implementar sistemas de control neuronal y borrosos con alguna de las herramientas empleadas en prácticas de acuerdo con las especificaciones propuestas. Deberá realizar un trabajo individual que incluirá el análisis y la implementación del sistema de control obtenido. Con él elaborará un informe y realizará una presentación en público ante el resto de compañeros. Este trabajo servirá para demostrar las competencias adquiridas y establecer la calificación.
• Tutorías. El alumnado tiene a su disposición las horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia.
• Plataforma web. Se convierte en el vehículo de comunicación y registro de información de la materia. A través de ella el profesor mantiene el contacto con los estudiantes, proporciona acceso al material y gestiona la asignatura.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
35
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno - Eronini-Umez-Eronini. “Dinámica de sistemas y control”, Thompson, 2001 - Maciejowski J.M. “Predictive Control”, Prentice Hall, 2002 - Driankov, D. Helledorn, H, y Reinfrank, M., J. “An introduction to Fuzzy Control”, Ed. Springer Verlag, 1993.
- Simpson, P. “Artificial Neural Systems”, Pergamon Press, 1990. - Narendra, K.S. and Parthasarathy, K. “Identification and control of dynamical systems using neural networks”, IEEE Trans. on Neural Networks 1, 4-27, 1990. - Goldberg, D. E. “Genetic algorithms in search, optimization, and machine learning”. Addison-Wesley (1989).
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.
Revistas (se incluye el año de primera publicación). IEEE Transactions on Neural Networks (1993) Neural Netwoks (1992) Intelligent Systems Engineering (1993) Neural Processing Letters (1994) Fuzzy Sets and Sistems (1978) Japanese Journal of Fuzzy Theory and Systems (1991) IEEE Transactions on Fuzzy Systems (1993)
Intelligent Systems Engineering (1993) Enlaces de interés Association for Computing Machinery (ACM) http://www.acm.org Fundada en 1947 fue la primera sociedad científica y de educación del mundo. El portal de información que presenta es impresionante, tanto en cuanto a enlaces de interés, grupos de trabajo, documentos electrónicos, conferencias como por su biblioteca digital conteniendo revistas y actas de congresos (http://por tal.acm.org).
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 8 12 20
Prácticas
- En aula - En el laboratorio - En aula de informática 8 12 20 - De campo - De visualización (visu)
Seminarios 2 2 4 Exposiciones y debates 4 4 8 Tutorías 2 2 Actividades de seguimiento online 1 1 Preparación de trabajos 20 20 Otras actividades (detallar) Exámenes
TOTAL 24 1 50 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
36
Institute of Electrical and Electronics Engineers (IEEE) http://www.ieee.org Otra prestigiosa organización compuesta por diversas sociedades, donde la que más relación tiene con los temas abordados en el presente curso es la IEEE Computer Society (http://computer.org). A semejanza de ACM, ofrece información sobre conferencias, estándares, educación y mantiene otra biblioteca digital con revistas y actas de congresos. Comité Español de Automática de la IFAC http://www.cea-ifac.es Da acceso a la web e información sobre el grupo de Control Inteligente de CEA/IFAC en el que participan grupos de investigación de distintas Universidades Españolas (incluida la USAL). En ella se podrán consultar las actividades anuales organizadas por dicho grupo.
10.- Evaluación
Consideraciones Generales Se evaluará la asistencia y participación en las clases y la capacidad de aplicación de los conocimientos en la realización de trabajos y prácticas.
Criterios de evaluación
Se tendrán en cuenta los siguientes criterios:
• Asistencia a clase: en principio se exigirá un mínimo de asistencia de un 80%, pero podrán considerarse casos particulares suficientemente justificados. Las prácticas son obligatorias.
• Interacción en las clases teóricas. • Participación y resultados obtenidos en las clases de prácticas. • Presentación del trabajo, en el que se valorará tanto el desarrollo realizado como el método, rigor, capacidad de comunicación y el espíritu crítico y constructivo.
Instrumentos de evaluación • Asistencia y participación activa en clase: 15-20% • Entrega del trabajo o las tareas de prácticas, por escrito: 60% • Exposición oral: 20-25%
Recomendaciones para la evaluación.
Recomendaciones para la recuperación. Los alumnos que no hayan superado la asignatura con los trabajos prácticos podrán optar por realizar un examen escrito presencial.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
37
MÓDULO IV: RECUPERACIÓN DE LA INFORMACIÓN Y
DESCUBRIMIENTO DE CONOCIMIENTO
MATERIA: MINERÍA DE DATOS
MINERÍA DE DATOS
1.- Datos de la Asignatura
Código 304476 Plan 2013 ECTS 3
Carácter Obligatoria Curso 1 Periodicidad Semestral S1
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador María N. Moreno García Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Ciencias
Despacho F3005
Horario de tutorías
URL Web http://avellano.usal.es/~mmoreno
E-mail mmg@usal.es Teléfono 6091
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
38
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Minería de Datos”, dentro del Módulo “Recuperación de la Información y Descubrimiento de Conocimiento”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Introducir las principales técnicas y herramientas de la disciplina de minería de datos, parte fundamental de los sistemas inteligentes
Perfil profesional.
Investigación
3.- Recomendaciones previas No se establecen
Asignaturas que se recomienda haber cursado
Asignaturas que se recomienda cursar simultáneamente
Asignaturas que son continuación
4.- Objetivos de la asignatura
OI1: Conocer y valorar la importancia de todas las etapas del proceso completo de minería de datos.
OI2: Aprender a diferenciar los distintos tipos de algoritmos de minería de datos y su aplicación en la resolución de problemas reales.
OI3: Adquirir la capacidad de interpretar los resultados obtenidos
OI4: Conocer los distintos ámbitos de aplicación de los métodos de minería de datos.
5.- Contenidos
Unidad didáctica I. Minería de datos: definición y clasificación Definición. Clasificación de las técnicas
Unidad didáctica II. El proceso de minería de datos Determinación de objetivos. Preparación de datos. Transformación de datos. Minería de datos. Análisis de resultados. Asimilación del conocimiento.
Unidad didáctica III. Métodos supervisados
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
39
Clasificación Inducción de árboles de decisión. Tablas de decisión. Clasificadores bayesianos. Inducción neuronal. Máquinas de vectores de soporte. Multiclasificadores. Clasificación multietiqueta.
Métodos de selección de características Métodos basados en ganancia de información. Correlation-based Feature Subset Selection
Evaluación de los clasificadores Estimación de errores. Matrices de confusión. Matrices de pérdida. Métricas. Análisis ROC. Curvas de eficacia. Curvas ROI. Curvas de aprendizaje.
Predicción de valores Regresión. Series temporales
Unidad didáctica IV. Métodos no supervisados Segmentación
Agrupación (clustering) demográfica, métodos jerárquicos y basados en densidad. Agrupación conceptual.
Análisis de asociación Reglas de asociación. Patrones secuenciales. Evaluación de los modelos de asociación.
Detección de desviaciones Visualización. Estadísticas
Unidad didáctica V. Aplicaciones y herramientas Aplicaciones de negocio Aplicaciones científicas. Sistemas Web Redes sociales Herramientas y otros recursos
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5,CE8.
7.- Metodologías docentes
• Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El desarrollo de la clase se llevará a cabo con medios audiovisuales que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado.
• Trabajos de investigación. Los alumnos desarrollarán algún trabajo de investigación sobre algún tema expuesto.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
40
• Presentación de los trabajos. Los alumnos entregan sus trabajos a través de la plataforma virtual y los defienden en las horas de tutoría.
• Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admiten tutorías grupales.
• Zona virtual. La plataforma de enseñanza virtual de la asignatura constituye el vehículo de comunicación y registro de información de la materia.
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Actividades introductorias Sesiones magistrales 14 15 29 Eventos científicos
Prácticas
- En aula - En el laboratorio - En aula de informática 2 2 - De campo - De visualización (visu)
Practicum Prácticas externas Seminarios Exposiciones 4 4 Debates Tutorías 2 2 Actividades de seguimiento online 8 5 13 Preparación de trabajos 25 25 Trabajos Resolución de problemas Estudio de casos Fosos de discusión Pruebas objetivas tipo test Pruebas objetivas de preguntas cortas Pruebas de desarrollo Pruebas prácticas Pruebas orales
TOTAL 22 8 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
41
Libros de consulta para el alumno J. Hernández, M.J. Ramírez y C. Ferri, Introducción a la Minería de Datos, Pearson Education, 2004. Zaki, M. J., Meira, W. Jr., Data Miningand Analysis: Fundamental Concepts and Algorithms, Cambridge UniversityPress, 2014.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. UCI Machine LearningGroup archive.ics.uci.edu/ml/ KD nuggetsTM www.kdnuggets.com/ ElectronicTextbookStatSoftwww.statsoft.com/textbook
10.- Evaluación
Consideraciones Generales
Se valorará la asistencia a clase, los trabajos realizados y la interacción en las clases teóricas y en los foros de la plataforma virtual
Criterios de evaluación • Asistencia a clase: se exigirá un mínimo de 80%, salvo causa justificada.
• Trabajos: se valorará el contenido, la precisión y el alcance del trabajo desarrollado, así como la interpretación de los resultados obtenidos, capacidad de comunicación y espíritu crítico y constructivo.
• Interacción en las clases teóricas.
Instrumentos de evaluación Control de asistencia Entrega de trabajos
Recomendaciones para la evaluación. Los trabajos representan la parte más importante de la evaluación. Para poder realizarlos es imprescindible comprender los conceptos explicados en las clases teóricas.
Recomendaciones para la recuperación. Para la recuperación será necesario entregar nuevos trabajos
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 5% Realización de trabajo escrito 90% Asistencia y participación en clase
5%
Total 100%
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
42
Otros comentarios y segunda convocatoria Observaciones:
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
43
MÓDULO V: INGENIERÍA WEB
MATERIA: INGENIERÍA WEB Y WEB SEMÁNTICA
LÓGICA PARA LA WEB SEMÁNTICA
1.- Datos de la Asignatura
Código 304477 Plan 2013 ECTS 3
Carácter Obligatoria Curso 1 Periodicidad Semestral S1
Área Lógica y Filosofía de la Ciencia
Departamento Filosofía, Lógica y Estética
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es / http://logicae.usal.es
Datos del profesorado
Profesor Coordinador María G. Manzano Arjona Grupo / s
Departamento Filosofía, Lógica y Estética
Área Lógica y Filosofía de la Ciencia
Centro Facultad de Filosofía
Despacho FES 561
Horario de tutorías Se concierta por e-mail mara@usal.es
URL Web http://logicae.usal.es/mara
E-mail mara@usal.es Teléfono 3416
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
44
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Ingeniería Web y Web Semántica”, dentro del Módulo “Ingeniería Web”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Formación teórica Perfil profesional.
Investigación
3.- Recomendaciones previas Conocimientos básicos de lógica clásica, tanto de proposiciones, como de primer orden. Ello incluye el manejo de un cálculo deductivo, mejor si es de tableaux semánticos o de resolución porque son más adecuados para la implementación, y la semántica clásica basada en modelos o estructuras conjuntistas. Teoría de conjuntos básica: álgebra de conjuntos, relaciones, funciones y ciertas propiedades. La primera parte del curso se dedicará a un rápido reàso de estos temas. Se recomienda consultar:
OCW (Open Course Ware) Manzano, M. Materiales del curso 2009-2010 de Lógica matemática.
http://ocw.usal.es/ensenanzas-tecnicas/logica-matematica
Asignaturas que se recomienda haber cursado
Asignaturas que se recomienda cursar simultáneamente
Asignaturas que son continuación
4.- Objetivos de la asignatura
El objetivo fundamental es el de situar los sistemas de representación de conocimiento como un importante marco de referencia, tanto de los lenguajes formales como de sus aplicaciones. Se mostrarán las peculiaridades de las lógicas que se adaptan a dichos sistemas y sus importantes aplicaciones a la ciencia y la tecnología. En especial, se persigue:
1. Conocer diferentes sistemas de representación del conocimiento. 2. Introducir las ontologías formales y conocer su uso en la gestión de conocimiento. 3. Presentar las principales lógicas para la representación del conocimiento.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
45
5.- Contenidos Destacamos los siguientes:
1. Introducción a la lógica clásica: semántica y cálculo 2. Introducción a las ontologías formales 3. Lógicas descriptivas 4. Lógicas híbridas
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE9.
7.- Metodologías docentes
Actividades formativas presenciales: • Clases teóricas. • Clase práctica: resolución de problemas. • Tutorías individuales y en grupo. • Trabajo personal: estudio de los textos, resolución de problemas • Exposición en clase de los trabajos realizados por los alumnos, basados en las
lecturas recomendadas al efecto • Pruebas de evaluación: ejercicios presenciales, comentarios de las lecturas.
No presenciales: • Preparación de clases prácticas, seminarios y sesiones de debate. • Búsquedas bibliográficas en bases de datos y en publicaciones electrónicas • Preparación de exposiciones orales en las que se empelarán los recursos
tecnológicos a disposición del alumno. • Elaboración de ensayos con formato de artículo de divulgación • Preparación de pruebas de evaluación.
Los seminarios y las sesiones de debate se prepararán con los artículos seleccionados cada curso por el responsable de la asignatura y que reflejarán la incesante productividad del área.
• Clases de teoría con apoyo de material audiovisual • Clases de prácticas con apoyo de software de lógica educativo • Talleres de prácticas: seminarios de problemas, lectura y actividades complementarias,
cuestionarios y test • Tutorías: supervisión del trabajo y seguimiento del aprendizaje de la asignatura.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
46
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno El curso está completamente desarrollado en Studium y allí se proporciona abundante bibliografía. Cabe destacar:
• Franz Baader, Carsten Lutz, and Uli Sattler, (2017). An Introduction to Description Logic. Cambridge University Press. Cambridge. Reino Unido.
• Baader F, McGuiness D, Nardi D, Patel-Schneider P (2003) The Description Logic Hadbook: Theory, implementation and applications. Cambridge University Press. Cambridge. Reino Unido.
• Manzano, M. y Huertas, A. (2004): Lógica para principiantes. Alianza Editorial. • Manzano, M (coordinadora). [2006] Cuestiones de lógica actual. AZAFEA. Revista
de Filosofía. Vol. 8. Se puede descargar de: http://campus.usal.es/~revistas_trabajo/index.php/0213-3563/issue/view/90
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Todas las publicaciones de Ian Horrocks http://www.comlab.ox.ac.uk/ian.horrocks/Publications/ Summa Logicae: http://logicae.usal.es
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Actividades introductorias Sesiones magistrales 10 14 26 Eventos científicos
Prácticas
- En aula 10 10 - En el laboratorio - En aula de informática - De campo - De visualización (visu)
Practicum Prácticas externas Seminarios Exposiciones 2 2 2 Debates Tutorías 2 4 6 Actividades de seguimiento online Preparación de trabajos 31 31 Trabajos Resolución de problemas Estudio de casos Fosos de discusión Pruebas objetivas tipo test Pruebas objetivas de preguntas cortas Pruebas de desarrollo Pruebas prácticas Pruebas orales
TOTAL 24 6 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
47
10.- Evaluación
Consideraciones Generales
Para superar el curso será preciso realizar satisfactoriamente al menos dos de las cuatro primeras tareas:
1. La Familia, 2. Traducciones, 3. Tableaux 4. Lógica híbrida
y hacer un pequeño trabajo de investigación. Debéis leer alguno de los artículos de lógica que se emplean o citan en la página de Studium y redactar un pequeño comentario crítico de unas seis páginas. Este trabajo deberá ser leído y defendido en clase.
Criterios de evaluación
El reparto de la nota es 40% trabajo final y 15% su defensa oral, 30% el resto de trabajos escritos y 15% asistencia y participación en clase.
La evaluación del trabajo de investigación se hará conforme a los siguientes criterios:
1. estructuración de los contenidos; 2. claridad expositiva; 3. originalidad en el comentario personal.
Instrumentos de evaluación Objetivos
Recomendaciones para la evaluación. Trabajo constante y realización de ejercicios prácticos
Recomendaciones para la recuperación. Prepararla con tiempo y solicitar ayuda cuando sea preciso
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase del trabajo 15% Realización de ejercicios y trabajo escrito
70%
Asistencia y participación en clase
15%
Total 100% Otros comentarios y segunda convocatoria
Observaciones:
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
48
MÓDULO VI: INTERACCIÓN HOMBRE-MÁQUINA
MATERIA: INTERACCIÓN MULTIMODAL
ANALÍTICA VISUAL Y VISUALIZACIÓN DE LA INFORMACIÓN
1.- Datos de la Asignatura
Código 304478 Plan 2013 ECTS 3
Carácter Obligatoria Curso 1 Periodicidad Semestral S1
Área Ciencia de la Computación e Inteligencia Artificial
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es /
Datos del profesorado
Profesor Coordinador Roberto Therón Sánchez Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3006
Horario de tutorías Lunes, Martes, Miércoles de 12:00 a 14:00
URL Web http://vis.usal.es/
E-mail theron@usal.es Teléfono 6090
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
49
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Interacción Multimodal”, dentro del Módulo “Interacción Hombre-Máquina”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Se presentan aspectos básicos de representación de información e interacción persona-ordenador de aplicabilidad a cualquiera de las asignaturas del Plan de Estudios.
Perfil profesional.
Investigación.
3.- Recomendaciones previas Competencias y contenidos mínimos
• Conocer los principios, técnicas y herramientas de programación.
• Conocer un lenguaje de programación orientado a objetos.
• Conocer los elementos básicos diseño de interfaces gráficas de usuario.
• Conocer los principios básicos del desarrollo de sistemas web.
4.- Objetivos de la asignatura
Ofrecer los fundamentos básicos de métodos de Visualización de Información y Analítica Visual aplicados al desarrollo de herramientas interactivas de visualización. Conocer la importancia de la percepción en el proceso de visualización. Presentar los principios básicos de diseño relativos al color, luz, atención visual, patrones, objetos visuales, interacción con las visualizaciones. Presentar las principales técnicas de solución de problemas genéricos de Visualización de Información. Objetivos instrumentales generales
• OI1: Concienciar del enorme potencial del análisis de datos mediante técnicas de Visualización de Información.
• OI2. Adquirir un buen manejo de la bibliografía recomendada, de forma que se potencia la autosuficiencia a la hora de completar la formación.
• OI3: Tener una visión general del estado del arte de la Visualización de Información. • OI4: Comprender la diferencia y complementariedad entre el campo de la Visualización
de Información, como subárea de la Visualización, y la Visualización Científica. • OI6: Ofrecer los fundamentos básicos de métodos de Visualización de Información
aplicados al desarrollo de herramientas interactivas de visualización. • OI6: Conocer la importancia de la percepción en el proceso de visualización. Presentar
los principios básicos de diseño relativos al color, luz, atención visual, patrones, objetos visuales, interacción con las visualizaciones.
• OI7: Presentar las principales técnicas de solución de problemas genéricos de
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
50
Visualización de Información. Objetivos sistémicos generales
• OS1: Maximizar el hábito de plantearse interrogantes. Ante un problema preguntarse por el número de soluciones, la relación entre ellas, cómo afectaría a las condiciones iniciales alguna modificación…
• OS2: Capacidad de aplicar y relacionar, de forma autónoma, los contenidos de Visualización de la Información de forma interdisciplinar.
• OS3: Adquirir una comprensión del método científico, a través de las diversas actividades realizadas en la materia, y asimilar su importancia como manera de pensar y actuar en la labor de científico e ingeniero, fomentando la capacidad de abstracción y el espíritu crítico.
• OS4: Desarrollar la creatividad a la hora de abordar problemas reales y plantear representaciones y soluciones novedosas y funcionales.
• OS5: Reforzar el hábito de criticar las soluciones existentes a problemas generales y proponer soluciones alternativas, que superen los inconvenientes de las soluciones históricas y venzan la inercia en su uso.
5.- Contenidos
TEORÍA:
1. Unidad Didáctica I: Visualización Tema 0: Sumario de la Materia Tema 1. Introducción a la Visualización Tema 2. Problemas de la Representación Visual
2. Unidad Didáctica II: Visualización Científica Tema 3. Definiciones y Clasificación de Problemas Tema 4. Catálogo de técnicas
3. Unidad Didáctica III: Visualización de Software Tema 5. Representación del Software Tema 6. Taxonomía
4. Unidad Didáctica IV: Visualización de Información y Analítica Visual Tema 7. Introducción a InfoVis. Principios de Diseño Tema 8. Espacio unidimensional Tema 9. Espacios bidimensionales Tema 10. Espacios tridimensionales Tema 11. Espacios multidimensionales Tema 12. Conectividad: Grafos, Árboles y Jerarquías Tema 13. Colecciones de Documentos PRÁCTICA: Desarrollo de un prototipo en el que se aplique los conocimientos adquiridos durante el curso. También se puede elaborar un trabajo crítico sobre la aplicación de técnicas de visualización en un dominio concreto.
6.- Competencias a adquirir
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
51
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5, CE6, CE8, CE10.
Transversales.
7.- Metodologías docentes
Las actividades que se proponen son las siguientes:
• Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El desarrollo de la clase se llevará a cabo con medios audiovisuales, textos, transparencias… que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Se revisan ejemplos reales de herramientas y técnicas de Visualización aplicadas a diferentes campos y se incentiva la discusión y crítica respecto a los enfoques utilizados en estas, así como el grado de éxito alcanzado.
• Trabajos de investigación. Los alumnos, individualmente o en parejas, desarrollarán algún trabajo de investigación sobre algún problema de visualización genérico o aplicado a cualquiera de las líneas de investigación del Máster. El lenguaje de programación será el que mejor se adapte al problema abordado. Es posible abordar trabajos teóricos de suficiente profundidad.
• Presentación oral de los trabajos. Los alumnos defienden públicamente sus trabajos.
• Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admite tutorías grupales.
• Zona virtual. Se convierte en el vehículo de comunicación y registro de información de la materia.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
52
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno Bibliografía básica
Munzner, T. (2014). Visualization analysis and design. AK Peters/CRC Press.
Spence, R. (2001) Information Visualization, Springer; Edición: 3rd ed. 2014
Tufte, E. R. (1990) Envisioning Information. Graphics Press.
Tufte, E. R. (2001) The Visual Display of Quantitative Information. 2nd edition, Graphics Press.
Tufte, E. R. (1997) Visual Explanations: Images and Quantities, Evidence and Narrative. Graphics Press.
Ware, C. (2012). Information visualization: perception for design. Elsevier. Aguaje, F., Dopazo, J. (Eds.) (2005) Data Analisis and Visualization in Genomics and
Proteomics. Wiley.
Baeza-Yates, R., Ribeiro-Neto,B. (Eds.), (1999) Modern Information Retrival. ACM Press.
Benderson, B., Shneiderman, B. (2003) The Craft of Information Visualization: Readings and Reflections. Morgan Kaufmann.
Card, S. (1999) Readings in Information Visualisation: Using Vision to Think. Morgan Kaufmann.
Earnshaw, R., Vince, J. Jones, H. (1997) Visualization & Modeling. Academic Press. Fayyad, U., Grinstein, G., Wierse, A. (Eds.) (2003) Information Visualization in Data Mining
and Knowledge Discovery. Morgan Kaufmann.
Gallagher, R. Computer (1994) Visualization: Graphics Techniques for Engineering and Scientific Analysis. CRC Press.
Jonson, C. R., Hansen, C. D. (Eds.) (2005) The Visualization Handbook. Elsevier Academic
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 12 12 24
Prácticas
- En aula - En el laboratorio - En aula de informática - De campo - De visualización (visu) 6 10 16
Seminarios Exposiciones y debates 5 1 6 Tutorías Actividades de seguimiento online 5 5 Preparación de trabajos 1 23 24 Otras actividades (detallar) Exámenes
TOTAL 23 7 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
53
Press.
Nielson, G., Hagen H., Müller H. (1997) Scientific Visualization: Overviews, Methodologies and Techniques, IEEE Computer Society.
Rao C. R., Wegman, E., Solka, J. (2005) Data Mining and Data Visualization. Elsevier.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Bibliografía complementaria
Dürsteler, J. C. (2003) Visualización de información. Ediciones Gestión 2000. Artículos también disponibles en http://www.infovis.net [Última vez visitado, 04/11/2013].
Recursos
1. Revistas
• Information Visualization (Palgrave)
• IEEE Transactions on Visualization and Computer Graphics.
• ACM Transactions on Graphics.
• IEEE Computer Graphics and Applications.
• Communications of the ACM.
• IEEE Multimedia.
• IEEE Transactions on Knowledge and Data Engineering
• International Journal of Human Computer Studies
2. Conferencias
• International Conference on Computer Graphics and Interactive Techniques (SIGGRAPH)
• IEEE Visualization (Vis)
• IEEE Simposium on Information Visualization (InfoVis)
• ACM International Conference for Human-Computer Interaction (CHI)
• ACM International Conference on Intelligent User Interfaces (IUI)
3. Enlaces de interés
• Association for Computing Machinery (ACM) o http://www.acm.org.
o http://portal.acm.org.
• Institute of Electrical and Electronics Engineers (IEEE) o http://www.ieee.org.
o http://computer.org.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
54
10.- Evaluación
Consideraciones Generales
En esta materia se lleva a cabo una evaluación continua.
Criterios de evaluación • Se tendrá en cuenta la asistencia y la participación activa en clase.
o Se exigirá un mínimo de un 80% de las horas presenciales.
• Realización y defensa de un trabajo de investigación, individualmente o por parejas, (dimensionado al esfuerzo detallado en el punto 7 de esta guía).
o Se valorará la precisión, capacidad de comunicación y espíritu crítico y constructivo.
o La calificación de este trabajo se dividirá en un 60% por la evaluación de la memoria entregada y un 40% la exposición y defensa del mismo.
La nota final de esta materia se basará en la nota del trabajo, pero podrá ser matizada al alza por la participación activa en las actividades presenciales
Instrumentos de evaluación Evaluación continua (sobre todas las competencias relacionadas), participación y defensa del trabajo individual.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 60% Asistencia y participación en clase
20%
Total 100%
Otros comentarios y segunda convocatoria Observaciones:
Recomendaciones para la evaluación. La asistencia a las clases magistrales es fundamental para abordar el trabajo individual. El razonamiento crítico del estado del arte y el análisis de las tendencias de aplicación de las técnicas y conceptos procedentes de la Visualización de Información y Analítica Visual en dominios en los que el alumno tiene un mayor conocimiento (o en los que tiene pensado desarrollar sus actividades futuras) son de gran ayuda para superar la asignatura.
Recomendaciones para la recuperación. La revisión de los trabajos entregados por los alumnos en otros años y/o convocatorias sirve en gran medida para cubrir las carencias demostradas en la convocatoria ordinaria.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
55
COMPUTACIÓN NEUROBORROSA
MÓDULO III: ROBÓTICA Y AUTOMATIZACIÓN
MATERIA: ROBÓTICA
TÉCNICAS DE PLANIFICACIÓN DE ROBOTS
1.- Datos de la Asignatura
Código 304479 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S1
Área Ingeniería de Sistemas y Automática
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Belén Curto Diego Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3018
Horario de tutorías Jueves y viernes de 9 a 12 horas
URL Web http://diaweb.usal.es/diaweb/personas/bcurto
E-mail bcurto@usal.es Teléfono 6081
Profesor Coordinador Francisco Javier Blanco Rodríguez Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
56
Despacho F3004
Horario de tutorías Vienes de 9 a 14 horas
URL Web http://diaweb.usal.es/diaweb/personas/fjblanco
E-mail fjblanco@usal.es Teléfono 6092
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Robótica”, dentro del Módulo “Robótica y Automatización”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Esta asignatura junto con la de “Navegación de robots” completan la formación del estudiante iniciada en la asignatura “Robots Autónomos”
Perfil profesional.
Investigación.
3.- Recomendaciones previas Haber superado la asignatura “Robots Autónomos” 4.- Objetivos de la asignatura
El propósito de esta asignatura es que el estudiante: - Comprenda las distintas técnicas de planificación de caminos en el ámbito de los robots
móviles y de los robots articulados. - Utilice el espacio de las configuraciones como ambiente natural para la resolución de
las tareas de planificaciónen sus distintos niveles. - Aplique los conocimientos adquiridos en la resolución de problemas prácticos de
planificación y en la realización de un trabajo obligatorio. En cuanto a los objetivos sistémicos generales se pretende:
- Integrar los conocimientos y destrezas prácticas de las diferentes asignaturas del máster para resolver situaciones reales en un robot relacionadas con los Sistemas Inteligentes (agentes, percepción, redes neuronales, algoritmos de búsqueda,…), así como con otras disciplinas relacionadas.
- Desarrollar la madurez necesaria en el proceso de abstracción para abordar problemas reales y plantear modelos y soluciones de forma razonada y correcta.
Reforzar el hábito de desarrollar diferentes alternativas, cuestionando las características, riegos y viabilidad de cada una, para cada problema real planteado
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
57
5.- Contenidos
BLOQUE 1.- Planificación de caminos en el espacio de las configuraciones TEMA 1.- Introducción
- ¿Qué es la planificación de caminos?Ejemplos - Problema básico. Formalización. - Tendencias en planificación de caminos
TEMA 2.- Espacio de las Configuraciones - Definición formal. Ejemplos - Obstáculos en C-espacio: robots móviles y articulados - Uso de la convolución
TEMA 3.- Noción de camino - Métricas
BLOQUE 2.- Planteamientos de la planificación de caminos TEMA 4.- Métodos START-GOAL
- Algoritmos “bug” de Lumelsky - Funciones de Potencial - Planificador de frente de onda - Campo de fuerzas virtual - Histograma de Campo de Vectores
TEMA 5.- Planteamientos basados en Mapas - Grafos de Visibilidad - DiagramaGeneralizado de Voronoi
TEMA 6.- Descomposición en Celdas - Descomposición exacta. Trapezoidal. - Descomposición aproximada: rectangular y estructuras jerárquicas de datos
TEMA 7.- Algoritmos de búsqueda y planificación - Tentativas: backtracking y exploración de grafos - Entornos cambiantes: Replanificación y Algoritmo D*
TEMA 8.- Métodos probabilísticos. - Roadmap probabilísticos
Contenidos Prácticos SESIÓN 1.- Presentación del entorno Player/Stage/Gazebo
- Características generales - Drivers y dispositivos - Programación de programas clientes
SESIÓN 2.- Implementación de un algoritmo de planificación
- Cada equipo implementará un algoritmo de planificación - Comprobación sobre un robot simulado
Comprobación sobre el robot Roomba
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
58
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5, CE6
Transversales.
7.- Metodologías docentes
Aplicando los principios en que se basa la reforma de la educación superior en el marco de lo que se ha dado en llamar “Espacio Europeo de Educación Superior” (EEES), el posgraduado en alguna rama de Ingeniería en Informática debe estar capacitado para aprender a conocer, hacer, convivir y ser, en su ámbito personal, profesional y social, de acuerdo con lo recogido en el informe de la UNESCO sobre las perspectivas de la educación en el siglo XXI. Para caminar en este sentido, el modelo educativo que se va a seguir en la asignatura de Robots Autónomos tiene en la clase magistral un elemento importante, pero ni mucho menos exclusivo, en la transmisión de conocimiento. Este tipo de enseñanza se va a complementar con otros procesos entre los que cabe destacar las prácticas basadas en enseñanza colaborativa de gran importancia en posteriores trabajos de investigación. A continuación, se reseñan:
- Actividades introductorias - Actividades teóricas (dirigidas por el profesor)
o Sesión magistral o Eventos científicos
- Actividades prácticas guiadas (dirigidas por el profesor) o Prácticas en laboratorios o Practicas en aula informáticas o Exposiciones o Debates
- Atención personalizada (dirigida por el profesor) o Tutorías o Actividades de seguimiento on-line
- Actividades prácticas autónomas (sin el profesor) o Trabajos o Estudio de casos
- Pruebas de evaluación o Pruebas prácticas
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
59
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno - “Principles of Robot Motion”. Howie Choset, Kevin M. Lynch et all, 2005 - “Planning Algorithms”. Steven M. LaValle. Cambridge University Press, 2005 - “Robot Motion Planning”. Jean-Claude Latombe. Kluwer Academic Publishers,
1991 - “Robótica. Manipuladores y robots móviles”. A. Ollero. Marcombo. Barcelona.
2001
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Revistas (se incluye el año de primera publicación). • International Journal on Robotics Research (1986) • IEEE Transactions on Robotics and Automation (1988) Congresos • IEEE International Conference on Robotics and Automation ICRA • IEEE International Conference on Intelligent Robots and Systems IROS Enlaces de interés - Institute of Electrical and Electronics Engineers (IEEE) (http://www.ieee.org) - The Robotics InstituteCarnegie Mellon (http://www.ri.cmu.edu/)) - The IA Laboratory Stanford (http://robotics.stanford.edu) - Association for Computing Machinery (ACM) (http://www.acm.org; http://portal.acm.org))
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 12 24 36
Prácticas
- En aula - En el laboratorio 6 18 24 - En aula de informática - De campo - De visualización (visu)
Seminarios Exposiciones y debates 1 2 3 Tutorías Actividades de seguimiento online 1 1 Preparación de trabajos 9 9 Otras actividades (detallar) Exámenes 2 2
TOTAL 20 2 53 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
60
10.- Evaluación
Consideraciones Generales Se utilizará un sistema de evaluación continua teniendo en cuenta la asistencia y la participación activa de los estudiantes en las clases. Además de ello, la calificación se basará en el trabajo teórico y/o prácticas con robots reales y en la calidad de la presentación realizada por el alumno.
Se seguirán los criterios de evaluación generales del Máster
Criterios de evaluación 50 % Asistencia a clase. 50 % Realización de trabajos teóricos y/o prácticos.
Instrumentos de evaluación
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 30% Prueba final de evaluación oral 20% Asistencia y participación en clase
30%
Total 100%
Otros comentarios y segunda convocatoria Observaciones:
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
61
COMPUTACIÓN NEUROBORROSA
MÓDULO III: ROBÓTICA Y AUTOMATIZACIÓN
MATERIA: ROBÓTICA
NAVEGACIÓN DE ROBOTS
1.- Datos de la Asignatura
Código 304480 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S1
Área Ingeniería de Sistemas y Automática
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Vidal Moreno Rodilla Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3007
Horario de tutorías L 9:00 a 11:00, M 9:00 a 10:00, X de 9:00 a 12:00
URL Web http://diaweb.usal.es/diaweb/personas/vmoreno
E-mail vmoreno@usal.es Teléfono 6089
Profesor Coordinador Francisco Javier Blanco Rodríguez Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
62
Despacho F3004
Horario de tutorías Vienes de 9 a 14 horas
URL Web http://diaweb.usal.es/diaweb/personas/fjblanco
E-mail fjblanco@usal.es Teléfono 6092
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Robótica”, dentro del Módulo “Robótica y Automatización”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Esta asignatura junto con la de “Técnicas de Planificación de robots” completan la formación del estudiante iniciada en la asignatura “Robots Autónomos”.
Perfil profesional.
Investigación.
3.- Recomendaciones previas Haber superado la asignatura “Robots Autónomos”. 4.- Objetivos de la asignatura
Objetivos instrumentales generales Comprender el ámbito de los robots móviles como paradigma de agente físico.
Conocer y utilizar herramientas de programación de sistemas robóticos como Player/Stage, Carmen, MissionLab, etc.
Utilizar con fluidez herramientas conceptúales de navegación de robots.
Adquirir y emplear un buen lenguaje formal, tanto oral como escrito, siendo riguroso en las explicaciones de cualquier proceso.
Objetivos interpersonales generales Aplicar los objetivos interpersonales generales comunes en el ámbito de esta materia. Objetivos sistémicos generales
Capacidad de integrar los conocimientos y destrezas prácticas de las diferentes asignaturas del postgrado para resolver situaciones reales en un robot relacionadas con los Sistemas Inteligentes (percepción, redes neuronales, algoritmos de búsqueda,…), así como con otras disciplinas relacionadas.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
63
Desarrollar la madurez necesaria en el proceso de abstracción para abordar problemas reales y plantear modelos y soluciones de forma razonada y correcta.
Reforzar el hábito de desarrollar diferentes alternativas, cuestionando las características, riegos y viabilidad de cada una, para cada problema planteado.
5.- Contenidos
Módulo I.- Introducción El problema de la navegación Módulo II.- Arquitecturas de control Control de alto nivel Elementos básicos Requisitos generales de arquitectura Tipos de arquitecturas Deliberativas Reactivas Híbridas Módulo III.- Elementos de Navegación Localización de robots Planificación de caminos Evitación de colisiones Contenidos Prácticos Sesión 1. Presentación MissionLab
Características generales Comportamientos básicos Máquina de estados para el desarrollo de tareas
Sesión 2. Implementación de una misión Se realizará una misión de exploración de un edificio con un robot simulado
Aplicación de la misión de exploración sobre el robot Roomba
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5, CE6
Transversales.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
64
7.- Metodologías docentes
Aplicando los principios en que se basa la reforma de la educación superior en el marco de lo que se ha dado en llamar “Espacio Europeo de Educación Superior” (EEES), el posgraduado en alguna rama de Ingeniería en Informática debe estar capacitado para aprender a conocer, hacer, convivir y ser, en su ámbito personal, profesional y social, de acuerdo con lo recogido en el informe de la UNESCO sobre las perspectivas de la educación en el siglo XXI. Para caminar en este sentido, el modelo educativo que se va a seguir en la asignatura de Robots Autónomos tiene en la clase magistral un elemento importante, pero ni mucho menos exclusivo, en la transmisión de conocimiento. Este tipo de enseñanza se va a complementar con otros procesos entre los que cabe destacar las prácticas basadas en enseñanza colaborativa de gran importancia en posteriores trabajos de investigación. A continuación, se reseñan:
- Actividades introductorias - Actividades teóricas (dirigidas por el profesor)
o Sesión magistral o Eventos científicos
- Actividades prácticas guiadas (dirigidas por el profesor) o Prácticas en laboratorios o Practicas en aula informáticas o Exposiciones o Debates
- Atención personalizada (dirigida por el profesor) o Tutorías o Actividades de seguimiento on-line
- Actividades prácticas autónomas (sin el profesor) o Trabajos o Estudio de casos
- Pruebas de evaluación o Pruebas prácticas
8.- Previsión de distribución de las metodologías docentes
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 12 24 36
Prácticas
- En aula - En el laboratorio 6 18 24 - En aula de informática - De campo - De visualización (visu)
Seminarios Exposiciones y debates 1 2 3 Tutorías Actividades de seguimiento online 1 1 Preparación de trabajos 9 9 Otras actividades (detallar) Exámenes 2 2
TOTAL 20 2 53 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
65
9.- Recursos
Libros de consulta para el alumno • “Robótica. Manipuladores y robots móviles”. A. Ollero. Marcombo. Barcelona. 2001 • “Where am I?". Systems and Methods for Mobile Robot Positioning”. J. Borenstein, H.
R. Everett, and L. Feng. 1996. http://www-personal.umich.edu/~johannb/shared/pos96rep.pdf.
• “Intelligent Mobile Robot Navigation” Series: Springer Tracts in Advanced Robotics, Vol. 16. F: Cuesta, A. Ollero, 2005, XIV, 204 p.,
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Revistas (se incluye el año de primera publicación). • International Journal on Robotics Research (1986) • IEEE Transactions on Robotics and Automation (1988) Congresos • IEEE International Conference on Robotics and Automation ICRA • IEEE International Conference on Intelligent Robots and Systems IROS
10.- Evaluación
Consideraciones Generales Al tratarse de grupos reducidos se plantea una evaluación continua que tenga en cuenta la asistencia y la participación activa en las clases. Además de ello, la calificación se basará en los resultados y conclusiones obtenidos en las prácticas y en la calidad de los trabajos presentados.
Criterios de evaluación 50 % Asistencia a clase. 50 % Realización de trabajos teóricos y/o prácticos.
Instrumentos de evaluación
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 30% Prueba final de evaluación oral 20% Asistencia y participación en clase
30%
Total 100%
Otros comentarios y segunda convocatoria Observaciones:
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
66
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
67
MÓDULO III: ROBÓTICA Y AUTOMATIZACIÓN
MATERIA: SISTEMAS INTELIGENTES EN CONTROL
HERRAMIENTAS INTERACTIVAS DE SIMULACIÓN Y CONTROL
1.- Datos de la Asignatura
Código 304481 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S2
Área Ingeniería de Sistemas y Automática
Departamento Informática y Automática
Plataforma Virtual
Plataforma: Moodle - Studium
URL de Acceso: http://studium.usal.es
Datos del profesorado
Profesor Coordinador Pastora Vega Cruz Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3022
Horario de tutorías Solicitar por correo electrónico
URL Web http://diaweb.usal.es/diaweb/personas/pvega http:\control.usal.es
E-mail pvega@usal.es Teléfono 1309
Profesor Belén Pérez Lancho Grupo / s
Departamento Informática y Automática
Área Ingeniería de Sistemas y Automática
Centro Facultad de Ciencias
Despacho F3001
Horario de tutorías Solicitar por correo electrónico
URL Web http://diaweb.usal.es/diaweb/personas/lancho
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
68
E-mail lancho@usal.es Teléfono 6094
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Sistemas Inteligentes en Control”, dentro del Módulo “Robótica y Automatización”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Perfil profesional.
Investigación
3.- Recomendaciones previas No se establecen 4.- Objetivos de la asignatura
Definir, conocer y delimitar el campo de la simulación de sistemas dinámicos y sus aplicaciones. Comprender en qué tipo de problemas es aplicable, así como las ventajas e inconvenientes que plantea. Establecer la relación de la simulación con el control de procesos y su utilidad en el diseño de sistemas de control. Conocer y manejar algunas de las herramientas de simulación disponibles.
5.- Contenidos
Unidad didáctica 1.- Introducción a la simulación de procesos Historia. Conceptos básicos de simulación de sistemas. Lenguajes de simulación. Clasificación. Ejemplos de aplicación. Lenguajes de modelado. Unidad didáctica 2.- Principios de simulación de sistemas dinámicos Ecuaciones dinámicas. Problema de Integración numérica. Revisión general de métodos Unidad didáctica 3.- Lenguaje de simulación orientado a bloques: SIMULINK Fundamentos de Simulink. Desarrollo de modelos y experimentos. Unidad didáctica 4.- Otras herramientas de simulación Análisis y utilización de otras herramientas interactivas: Easy Java Simulations (EJS), entornos de simulación basadas en bloques (SIMBA) y/o entornos de simulación orientados a objetos (EcosimPro).
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
69
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2
Específicas. CE1, CE2, CE3, CE7
Transversales.
7.- Metodologías docentes
• Clases presenciales con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de cada tema. El desarrollo de la clase se llevará a cabo con medios audiovisuales, textos, transparencias… Se intentará motivar y despertar el interés de los alumnos fomentando su participación en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Al terminar la exposición se presentarán las conclusiones más relevantes del tema tratado y se propondrán ejercicios o casos prácticos. Las transparencias que se utilizarán en clase son un subconjunto de las que se facilitan a los alumnos en la página web y servirán como guía para el estudio, pero no son sustitutas de la bibliografía recomendada.
• Otros recursos. Se proporcionará acceso a videos específicos sobre el tema incluyendo conferencias o tutoriales dados por autores relevantes.
• Sesiones de prácticas. Las clases prácticas presenciales estarán dedicadas a la resolución guiada y colaborativa de problemas de modelado y simulación con las herramientas analizadas.
• Trabajo obligatorio. A cada alumno se le propondrá un caso de estudio para analizar, modelar y simular sistemas dinámicos con alguna de las herramientas. Deberá realizar un trabajo individual que incluirá el análisis e implementación del sistema, la elaboración de un informe y la presentación oral de la propuesta y los resultados ante el resto de compañeros. Este trabajo servirá para demostrar las competencias adquiridas y establecer la calificación.
• Tutorías. El alumnado tiene a su disposición ciertas horas de tutorías en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia o con el desarrollo del trabajo propuesto.
• Plataforma web. Se convierte en el vehículo de comunicación y registro de información de la materia. A través de ella el profesor mantiene el contacto con los estudiantes, proporciona acceso al material y gestiona la asignatura.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
70
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno
• Cellier, F.E. y E. Kofman (2006), Continuous System Simulation, Springer-Verlag, New York. • Manuales de usuario de Simulink y Matlab. Mathworks • Esquembre, F, (2004) “Creación de Simulaciones Interactivas en Java”, Pearson Educación
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.
Revistas RIAI Revista Iberioamericana de Automática e Informática IFAC Automatica IFAC
Enlaces de interés Matlab/Simulink (Versión Online): https://es.mathworks.com/products/matlab-online.html Easy Java Simulations https://www.um.es/fem/EjsWiki/ Open Source Physics https://www.compadre.org/osp/
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 8 12 20
Prácticas
- En aula - En el laboratorio - En aula de informática 8 12 20 - De campo - De visualización (visu)
Seminarios 2 2 4 Exposiciones y debates 4 4 8 Tutorías 2 2 Actividades de seguimiento online 1 1 Preparación de trabajos 20 20 Otras actividades (detallar) Exámenes
TOTAL 24 1 50 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
71
10.- Evaluación
Consideraciones Generales Se evaluará la asistencia y participación en las clases y la capacidad de aplicación de los conocimientos en la realización de trabajos y prácticas.
Criterios de evaluación
Se tendrán en cuenta los siguientes criterios:
• Asistencia a clase: en principio se exigirá un mínimo de asistencia de un 80%, pero podrán considerarse casos particulares suficientemente justificados. Las prácticas son obligatorias.
• Interacción en las clases teóricas. • Participación y resultados obtenidos en las clases de prácticas. • Presentación del trabajo, en el que se valorará tanto el desarrollo realizado como el método, rigor, capacidad de comunicación y el espíritu crítico y constructivo.
Instrumentos de evaluación • Asistencia y participación activa en clase: 15-20% • Entrega del trabajo o las tareas de prácticas, por escrito: 60% • Exposición oral: 20-25%
Recomendaciones para la evaluación.
Recomendaciones para la recuperación. Los alumnos que no hayan superado la asignatura con los trabajos prácticos podrán optar por realizar un examen presencial.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
72
MÓDULO IV: RECUPERACIÓN DE LA INFORMACIÓN Y
DESCUBRIMIENTO DE CONOCIMIENTO
MATERIA: MINERÍA DE DATOS
MINERÍA WEB
1.- Datos de la Asignatura
Código 304482 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S2
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador María N. Moreno García Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Ciencias
Despacho F3005
Horario de tutorías
URL Web http://avellano.usal.es/~mmoreno/
E-mail mmg@usal.es Teléfono 6091
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
73
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Minería de Datos”, dentro del Módulo “Recuperación de la Información y Descubrimiento de Conocimiento”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Conocer los métodos y herramientas específicos de un campo de aplicación actual de la minería de datos que ha dado lugar a la disciplina de la minería web.
Perfil profesional.
Investigación
3.- Recomendaciones previas No se establecen
Asignaturas que se recomienda haber cursado Minería de Datos
Asignaturas que se recomienda cursar simultáneamente
Asignaturas que son continuación
4.- Objetivos de la asignatura
OI1: Tener una visión general del estado del arte de la minería Web, las diferentes categorías de minería web y sus principales aplicaciones.
OI2: Conocer los fundamentos de los sistemas de recomendación, su clasificación, las ventajas e inconvenientes de los distintos tipos y los métodos utilizados en los sistemas de recomendación basados en minería web.
OI3: Adquirir la capacidad de aplicar técnicas de minería de datos en el desarrollo de sistemas de recomendación e interpretar los resultados obtenidos.
5.- Contenidos
Unidad didáctica VI. Introducción a la Minería Web Definición. El proceso de minería web. Clasificación de las técnicas
Unidad didáctica VII. Minería de contenido Minería de textos. Minería de marcado. Minería multimedia. Minería de hipertextos
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
74
Unidad didáctica VIII. Minería de uso Patrones de Navegación. Perfiles de usuario. Sistemas de recomendación. Minería de medios sociales.
Unidad didáctica IX. Minería de la estructura Análisis de conectividad de páginas web. Análisis de redes sociales
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5,CE8.
7.- Metodologías docentes
• Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El desarrollo de la clase se llevará a cabo con medios audiovisuales que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado.
• Trabajos de investigación. Los alumnos desarrollarán algún trabajo de investigación sobre algún tema expuesto.
• Presentación de los trabajos. Los alumnos defienden públicamente sus trabajos.
• Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admiten tutorías grupales.
• Zona virtual. La plataforma de enseñanza virtual de la asignatura constituye el vehículo de comunicación y registro de información de la materia.
8.- Previsión de distribución de las metodologías docentes
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
75
9.- Recursos
Libros de consulta para el alumno Aggarwal, C.C. RecommenderSystems, Springer, 2016. Hernández, J., Ramírez M.J., Ferri, C. Introducción a la Minería de Datos, Pearson Education, 2004. Zafarani, R., Abbasi, M.A., Liu, H. Social Media Mining, Cambridge UniversityPress, 2014.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. GroupLens Research Group. http://www.grouplens.org/
10.- Evaluación
Consideraciones Generales
Se valorará la asistencia a clase, los trabajos realizados y la interacción en las clases teóricas y en los foros de la plataforma virtual
Criterios de evaluación • Asistencia a clase: se exigirá un mínimo de 80%, salvo causa justificada.
• Trabajos: se valorará el contenido, la precisión y el alcance del trabajo desarrollado, así
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Actividades introductorias Sesiones magistrales 14 15 29 Eventos científicos
Prácticas
- En aula - En el laboratorio - En aula de informática 2 2 - De campo - De visualización (visu)
Practicum Prácticas externas Seminarios Exposiciones 4 4 Debates Tutorías 2 2 Actividades de seguimiento online 8 5 13 Preparación de trabajos 25 Trabajos Resolución de problemas Estudio de casos Fosos de discusión Pruebas objetivas tipo test Pruebas objetivas de preguntas cortas Pruebas de desarrollo Pruebas prácticas Pruebas orales
TOTAL 22 8 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
76
como la interpretación de los resultados obtenidos, capacidad de comunicación y espíritu crítico y constructivo.
• Interacción en las clases teóricas.
Instrumentos de evaluación Control de asistencia Entrega y presentación de trabajos
Recomendaciones para la evaluación. Los trabajos representan la parte más importante de la evaluación. Para poder realizarlos es imprescindible comprender los conceptos explicados en las clases teóricas.
Recomendaciones para la recuperación. Para la recuperación será necesario entregar nuevos trabajos
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 70% Asistencia y participación en clase
10%
Total 100%
Otros comentarios y segunda convocatoria Observaciones:
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
77
MÓDULO IV: RECUPERACIÓN AVANZADA DE LA
INFORMACIÓN Y DESCUBRIMIENTO DE CONOCIMIENTO
MATERIA: MINERÍA DE DATOS
MINERÍA DE DATOS APLICADA A LA BIOINFORMÁTICA
1.- Datos de la Asignatura
Código 304483 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S2
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador Luis Antonio Miguel Quintales Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Ciencias
Despacho
Horario de tutorías Martes y miércoles de 16 a 19, previa cita
URL Web http://diaweb.usal.es/diaweb/personas/lamq
E-mail lamq@usal.es Teléfono 6557
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
78
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Minería de Datos”, dentro del Módulo “Recuperación de la Información y Descubrimiento de Conocimiento”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Dentro del Master en Sistemas Inteligentes, esta asignatura se centra en la aplicación de distintas técnicas de Minería de Datos, a un campo concreto en que el gran volumen de datos que se genera en la experimentación biomédica, lo hace imprescindible para la extracción de conocimiento
Perfil profesional.
Investigación. Es constatable la necesidad urgente de profesionales de la bioinfomática que se integren como miembros de equipos de investigación en el campo de la Genómica, Farmacia, Medicina, etc. Empresa. El volumen de información que genera la investigación biomédica, hace necesaria la existencia de profesionales de la bioinformática, que tengan la suficiente formación para poder afrontar la resolución de distintos problemas, que suelen representar un gran reto a nivel computacional, desarrollando las herramientas bioinformáticas necesarias.
3.- Recomendaciones previas Conocimientos de programación, estadística, minería de datos y básicos a nivel de biología y genética. 4.- Objetivos de la asignatura • Conocer las líneas de investigación relacionadas con la Minería de Datos aplicada al campo
de la Bioinformática.
• Tener una visión general del estado actual del campo de la Minería de Datos aplicada al campo de la Bioinformática.
• Conocer los campos de la Bioinformática en que son aplicables las técnicas de Minería de Datos.
• Conocer los paquetes software más habituales para realizar Minería de Datos aplicada al campo de la Bioinformática.
• Conocer las distintas técnicas de Minería de Datos que pueden ser utilizados, distinguiendo las características diferenciales de cada una de ellas, y a la resolución de qué tipos de problemas pueden ser destinados.
• Conocer los datos que proporciona la experimentación con microarrays y los problemas asociados de preprocesamiento a que dan lugar.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
79
5.- Contenidos
1. Minería de datos y bioinformática 2. Bases de datos de interés biológico 3. Genomas y visualización de la información genómica 4. Análisis de datos de genoma completo: microarrays y secuenciación masiva 5. Minería de datos de datos genómicos
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5,CE8.
Transversales.
7.- Metodologías docentes
• Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El desarrollo de la clase se llevará a cabo con medios audiovisuales que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicos y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado.
• Trabajos de investigación. Los alumnos desarrollarán algún trabajo de investigación sobre algún tema expuesto.
• Presentación de los trabajos. Los alumnos defienden públicamente sus trabajos.
• Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admiten tutorías grupales.
• Zona virtual. La plataforma de enseñanza virtual de la asignatura constituye el vehículo de comunicación y registro de información de la materia.
Planificación de las clases prácticas
• Las clases prácticas se dedicarán a la introducción de contenidos y a la discusión sobre las dudas que surjan durante las exposiciones.
• Las clases se desarrollarán según el siguiente esquema:
1. El profesor presenta los objetivos a conseguir y el contexto en el que se va a
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
80
desarrollar la clase.
2. Se presentarán algunos ejemplos resueltos.
3. Se aclaran las dudas cuando éstas surjan. El profesor puede incentivar el debate con preguntas para hacer la clase más participativa.
4. El profesor propondrá algunos ejercicios de fácil resolución durante la clase práctica que normalmente consistirán en la realización e interpretación de breves estudios de minería de datos aplicados al campo de la Bioinformática.
5. Antes del fin de la sesión práctica el profesor presentará las soluciones a los ejercicios propuestos, motivando a los alumnos a la presentación de sus resultados y procediendo posteriormente a un debate, con otros tipos de soluciones alternativas a las que hayan llegado otros alumnos.
6. Se propondrán ejercicios para una sesión siguiente de forma que al comienzo de esta los alumnos procedan a la presentación de sus resultados.
• Una vez terminada la clase práctica, se deberá profundizar en el estudio de los ejemplos resueltos y en los ejercicios propuestos, sobre todo en el caso de que el alumno no haya sido capaz de resolverlos durante el tiempo dedicado a la sesión práctica, o haya sido pospuesta su resolución para una sesión posterior.
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno • Everitt, B., Landau, S., Leese, M. (2001) Cluster Analysis, 4th Edition, Arnold
Publishers.
• Jain, A. K., Dubes, R. C. (1988) Algorithms for clustering data. Prentice Hall.
• Kaufman, L., Rousseeuw, P. J. (1990) Finding Groups in Data: An Introduction to Cluster Analysis, Wiley-Interscience.
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 10 2 10 22
Prácticas
- En aula - En el laboratorio - En aula de informática 10 2 10 22 - De campo - De visualización (visu)
Seminarios Exposiciones y debates 4 2 4 Tutorías 2 Actividades de seguimiento online Preparación de trabajos 25 25 Otras actividades (detallar) Exámenes
TOTAL 24 6 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
81
• Mirkin, B., Mirkin, B. G. (2005) Clustering For Data Mining: A Data Recovery Approach, Chapman & Hall/CRC.
• Berrar, D.P. (Editor), Dubitzky, W. (Editor), Granzow, M. (2003) A Practical Approach to Microarray Data Analysis, Kluwer Academic Press
• Draghici, S. (2003) Data Analysis Tools for DNA Microarrays, Chapman & Hall/CRC
• McLachlan, G.J., Do, K., Ambroise, C. (2004) Analyzing Microarray Gene Expression Data, Wiley-Interscience
• Speed, T. (2003) Statistical Analysis of Gene Expression Microarray Data, Chapman & Hall/CRC
• Stekel, D. (2003) Microarray Bioinformatics, Cambridge University Press
• Wang, J.T.L. (Editor), Zaki, M.J. (Editor), Toivonen, H.T. (Editor), Shasha, D.E. (Editor) (2004) Data Mining in Bioinformatics, Springer
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.
10.- Evaluación
Consideraciones Generales
Se valora con un 50% la asistencia a las clases teóricas y prácticas, así como la participación activa. Se exigirá un mínimo de asistencia de un 80% para las horas presenciales.
Deberá presentarse un pequeño trabajo de investigación aplicado a la resolución de un problema en que se aplique la Minería de Datos al análisis de datos biomédicos. La calidad del trabajo realizado conforme a las especificaciones que se publiquen, así como la posterior presentación del trabajo, se valorará con un 50%, para la obtención de la nota final en la asignatura.
Criterios de evaluación Se tendrá en cuenta tanto en la parte teórica, como la práctica la asistencia y la participación en clase. Se exigirá un mínimo de un 80% de asistencia a las horas presenciales. Se valorará la capacidad para resolver los ejercicios prácticos propuestos Se valorará la capacidad para aplicar los conocimientos teóricos en la resolución de los ejercicios prácticos Se valorará la calidad del informe escrito, así como la presentación oral del mismo
Instrumentos de evaluación Realización, presentación y defensa de un ejercicio práctico
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 60% Asistencia y participación en clase
20%
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
82
Total 100%
Otros comentarios y segunda convocatoria
Recomendaciones para la evaluación. Realizar los ejercicios básicos que se van planteando.
Recomendaciones para la recuperación. Realizar los ejercicios más básicos antes de afrontar la resolución del trabajo final.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
83
MÓDULO IV: RECUPERACIÓN DE LA INFORMACIÓN Y DESCUBRIMIENTO DE CONOCIMIENTO
MATERIA: RECUPERACIÓN AVANZADA DE LA INFORMACIÓN
Y CIBERMETRÍA
RECUPERACIÓN AVANZADA DE LA INFORMACIÓN
1.- Datos de la Asignatura
Código 304484 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S1
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM
URL de Acceso: http://studium.usal.es
Datos del profesorado
Profesor Coordinador Ángel Francisco Zazo Rodríguez Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Traducción y Documentación
Despacho 4
Horario de tutorías Pendiente de conocer el horario de las asignaturas
URL Web http://angelzazo.usal.es
E-mail angelzazo@usal.es Teléfono 923294580
2.- Sentido de la materia en el plan de estudios Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Recuperación Avanzada de Información y Cibermetría”, dentro del Módulo “Recuperación de la Información y Descubrimiento de Conocimiento” Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Se encarga de aspectos tecnológicos relacionados con la indización y recuperación de la información. La necesidad de contar con información pertinente, precisa y en el momento
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
84
oportuno, ha provocado que los sistemas de recuperación de información tengan un papel muy importante en la actualidad, en el que se combinan mecanismos tradicionales con sistemas avanzados. Por otro lado, la necesidad de acercar la herramienta al usuario desencadena una amplia actividad investigadora en torno a interfaces de usuario, nuevos métodos de búsqueda, nuevas formas de indización y nuevos servicios. Los investigadores deben estar preparados para sacar provecho de estos cambios y para proponer los que aún han de mejorar los sistemas actuales, adelantándose a las necesidades de los usuarios Perfil profesional. Líneas de investigación: • Recuperación clásica: modelos de recuperación de información, agrupamiento y
clasificación automáticos, indización en recuperación de información, expansión de consultas, normalización terminológica, reconocimiento de entidades, resumen automático de documentos, recuperación de pasajes de texto, recuperación en grandes volúmenes de información (Terabytes), escalabilidad de las colecciones de evaluación.
• Recuperación de información en el Web. • Recuperación de información translingüe, recuperación interactiva. • Recuperación de información en dominios específicos del conocimiento o ámbito • Búsqueda de respuestas.
3.- Recomendaciones previas Se deben tener conocimientos de herramientas de productividad ofimática y conocimientos de un lenguaje de programación. Estos conocimientos se deberían haber adquirido en alguna de las asignaturas de la titulación de grado del alumno, o bien mediante su propio trabajo personal. 4.- Objetivos de la asignatura Objetivos instrumentales generales • Tener una visión general del estado del arte de la recuperación de información. Conocer y
utilizar la terminología utilizada en recuperación de información. • Ofrecer las herramientas y métodos básicos utilizados en el desarrollo de sistemas de
recuperación de información. • Adquirir un buen manejo de la bibliografía recomendada, de forma que se potencie la
autosuficiencia a la hora de completar la formación. • Adquirir y emplear un buen lenguaje formal, tanto oral como escrito, siendo riguroso en las
explicaciones de cualquier proceso. • Conocer la importancia de la recuperación de información en el desarrollo de sistemas y
servicios de información. Comprender el ámbito de la recuperación de información dentro de los perfiles científicos y profesionales.
• Conocer la importancia en la evolución de los sistemas de recuperación de información hacia modelos avanzados. Conocer las líneas de investigación relacionadas con la recuperación de información.
Objetivos unipersonales generales: • Destrezas para la participación responsable: capacidad de coordinación, asistencia,
contribuciones al grupo, etc. Capacidad de trabajar en equipo adquiriendo y mejorando las habilidades sociales y la inteligencia emocional. Comprometerse de forma ética con el trabajo, con el resto de los integrantes del grupo y consigo mismo.
Objetivos sistémicos generales: • Capacidad de integrar los conocimientos y destrezas prácticas de los diferentes módulos del
programa. Capacidad de aplicar y relacionar, de forma autónoma, los contenidos de la recuperación de información de forma interdisciplinar. Adquirir comprensión del método científico y asimilar su importancia como manera de pensar y actuar en la labor del científico y profesional. Desarrollar la madurez necesaria en el proceso de abstracción para abordar problemas reales y plantear modelos y soluciones de forma razonada y correcta.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
85
5.- Contenidos 1. Introducción a la recuperación de información 2. Modelos de recuperación de información 3. Diseño de experimentos y evaluación de la recuperación 4. Agrupamiento documental y clasificación automática 5. Aspectos actuales de investigación 6.- Competencias a adquirir Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2. Específicas. CE1, CE2, CE3, CE8. 7.- Metodologías docentes Las actividades que se proponen son las siguientes: • Sesiones magistrales. Se presentan los contenidos de la materia. Al comenzar cada sesión
se indicarán contenidos y objetivos de la misma. El desarrollo se llevará a cabo con medios audiovisuales, textos, transparencias, etc., que permitan un adecuado nivel de motivación e interés en los alumnos.
• Sesiones de prácticas: Se utilizarán herramientas informáticas para la resolución de problemas y tareas en recuperación de información.
• Seminarios. Se propondrá un seminario relacionado con la asignatura sobre aspectos de interés de los alumnos.
• Trabajo obligatorio. Al alumno se le darán unas pautas para la realización del trabajo. Serán propuestos varios tipos de trabajos que puedan adaptarse mejor al perfil formativo del alumno.
• Presentación de trabajos. Exposición y defensa pública de los trabajos, la cual estimula la interacción con el resto de los alumnos de la asignatura.
8.- Previsión de distribución de las metodologías docentes
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 10 5 15
Prácticas
- En aula - En el laboratorio - En aula de informática 10 5 15 - De campo - De visualización (visu)
Seminarios 2 2 Exposiciones y debates 6 6 Tutorías 2 2 Actividades de seguimiento online Preparación de trabajos 35 35 Otras actividades (detallar) Exámenes
TOTAL 30 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
86
9.- Recursos Libros de consulta para el alumno R. Baeza-Yates y B. Ribeiro-Neto. Modern Information Retrieval. : The Concepts and Technology behind Search (2nd edition). Addison-Wesley, 2011. F. Cacheda, J.M. Fernández, J.F. Huete (coord). Recuperación de información. Un enfoque práctico y multidisciplinar. Madrid: Ra-Ma, 2011. W.B. Frakes y R. Baeza-Yates (eds.). Information Retrieval: Data Structures and Algorithms. Prentice-Hall, Englewood Clifss (NJ), 1992. R.R. Korphage. Information Storage and Retrieval. John Willey & Sons, New York, 1997. G. Salton. Automatic Information Organization and Retrieval. McGraw-Hill, New-York, 1968. K. Spark Jones y P. Willet (eds.). Readings in Information Retrieval. Morgan Kauffman Publisher, San Francisco (CA), 1997. C.J. van Rijsbergen. Information Retrieval. Dept. of Computer Science, University of Glasgow, second edition, 1979. Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Revistas • Journal of Documentation • Information Processing & Management • Information Retrieval • Journal of the American Society for Information Science and Technology • ACM Transactions on Information Systems • Comunications of the ACM • Revista Iberoamericana de Inteligencia Artificial • Procesamiento del Lenguaje Natural
Conferencias • TExt Retrieval Conferences (TREC) • Cross-Language Evaluation Forum (CLEF) • ACM Special Interesting Group in Information Retrieval (ACM-SIGIR Conferences). • NII-NACSIS Test Collection for IR Systems (NTCIR) • European Conference on IR Research (ECIR) • WWW Conference • European Conf. on Research and Advanced Technology for Digital Libraries (ECDL). • Congresos de la SERI (Sociedad Española de Recuperación de Información) • Congreso de la SEPLN (Sociedad Española para el Procesamiento del Lenguaje Natural)
10.- Evaluación Consideraciones Generales Los alumnos deberán asistir regularmente a las actividades presenciales y poner interés en el desarrollo de la materia. También en el desarrollo del trabajo obligatorio. Criterios de evaluación Se tendrá en cuenta: • la asistencia y participación activa en las actividades presenciales. • la calidad científica y técnica del trabajo obligatorio, su calidad de presentación, su
precisión y las conclusiones teniendo en cuenta un espíritu crítico y constructivo. • presentación del trabajo, la capacidad de comunicación del alumno, su capacidad
expositiva, de debate y defensa argumental. Instrumentos de evaluación Asistencia a actividades presenciales. Participación activa en clase y en el entorno virtual. Entrega del trabajo. Presentación del trabajo.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
87
Recomendaciones para la evaluación. Con carácter general, se recomienda: • asistir activamente a las sesiones presenciales de la asignaturas. • cumplir los plazos marcados para la entrega del trabajo. • seguir las instrucciones para la elaboración y presentación del trabajo
Recomendaciones para la recuperación. El alumno no superará la asignatura cuando no haya asistido regularmente a clase y no haya entregado y presentado el trabajo con un mínimo de calidad. En consecuencia, deberá volver a realizar el trabajo con el nivel de calidad exigido. En todo caso, se recomienda consultar con el profesor.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
88
MÓDULO IV: RECUPERACIÓN DE LA INFORMACIÓN Y
DESCUBRIMIENTO DE CONOCIMIENTO
MATERIA: RECUPERACIÓN AVANZADA DE LA INFORMACIÓN Y CIBERMETRÍA
CIBERMETRÍA
1.- Datos de la Asignatura
Código 304484 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S1
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador José Luis Alonso Berrocal Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Traducción y Documentación
Despacho 5
Horario de tutorías
URL Web http://diaweb.usal.es/diaweb/personas/berrocal
E-mail berrocal@usal.es Teléfono 923 294580 ext 4595
Profesor Coordinador Carlos García-Figuerola Paniagua Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Traducción y Documentación
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
89
Despacho 2
Horario de tutorías
URL Web http://diaweb.usal.es/diaweb/personas/figue
E-mail figue@usal.es Teléfono 923 294580 ext 3099
La Cibermetría utiliza gran cantidad de tecnologías asociadas a varias disciplinas, como la ingeniería web, la minería web, los agentes inteligentes, etc., y sus líneas de investigación entroncan con esta disciplina
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Recuperación Avanzada de Información y Cibermetría”, dentro del Módulo “Recuperación de la Información y Descubrimiento de Conocimiento”
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. La Cibermetría es una disciplina reciente que surge con el desarrollo de Internet y, sobre todo, con la formidable cantidad de información que se publica a través de los distintos servidores. Surge de la aplicación de objetivos aplicados en disciplinas como la Bibliometría y la Cienciometría, habida cuenta de la importancia frecuente de la publicación en Internet, y del poder de difusión y transferencia de conocimiento del web. Sin embargo, el formato electrónico y la difusión a través de la red imponen una dinámica completamente diferente a la seguida por las publicaciones convencionales en papel. Esto supone la aplicación de técnicas y metodologías diferentes. Estas técnicas, al poder aplicar procedimiento de proceso automático, superan muchas de las limitaciones de la Bibliometría tradicional, como las limitaciones a campos muy estrechos y especializados. De otro lado, la Cibermetría tiene no solamente un interés meramente teórico, sino que sus resultados tienen aplicación directa (factores de impacto web, crecimiento e implantación de la sociedad del conocimiento, modelado de comportamiento de usuarios, etc.).
Perfil profesional. Líneas de investigación:
• Navegación automática • Análisis de navegabilidad • Índices de impacto web • Recuperación de información en Internet • Clasificación automática de documentos • Evaluación de motores de búsqueda • Minería Web • Ingeniería Web • Agentes inteligentes • Sistemas inteligentes
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
90
3.- Recomendaciones previas Competencias y contenidos mínimos:
• Conocer los servicios fundamentales y el funcionamiento de Internet. • Conocer el uso herramientas básicas de productividad (como una hoja de cálculo, un
gestor de BD, un paquete de representación gráfica). •
Plan de trabajo para la consecución de los prerrequisitos: Los prerrequisitos para el estudio y entendimiento de la materia Cibermetría se deberían cumplir en alguna de las materias de la titulación de grado del alumno, o bien mediante el propio trabajo previo del alumno, acudiendo a la bibliografía recomendada.) 4.- Objetivos de la asignatura
Objetivos instrumentales generales: • Conocer y manejar con fluidez los principales coeficientes e indicadores utilizados en
Cibermetría. • Conocer los problemas más importantes en la exploración automática, las distintas
opciones y formas de abordarlos. • Conocer y manejar algunas de las herramientas de representación gráfica más usadas
en Cibermetría. Objetivos sistémicos generales:
• Desarrollar la madurez necesaria en el proceso de abstracción para abordar problemas reales y plantear modelos y soluciones de forma razonada y correcta.
• Reforzar el hábito de desarrollar diferentes alternativas, cuestionando las
características, riegos y viabilidad de cada una, para cada problema planteado.
5.- Contenidos
Tema 1. Introducción. Finalidad y objetivos de la Cibermetría; generalidades sobre protocolos y servicios de Internet Tema 2. Navegación Automática; recogida de datos. Técnicas y herramientas Tema 3. Coeficientes, indicadores e índices de nodo Tema 4. Análisis de Grafo Tema 5. Fuentes de información y repositorios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
91
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CG1, CG2.
Específicas. CE1, CE2, CE3,CE8.
Transversales.
7.- Metodologías docentes
La labor del profesor se centra en que el alumno desarrolle su capacidad de aprender, en vez de ser simple transmisor de conocimientos. El alumno debe ser responsable de su propio aprendizaje, desarrollando un espíritu crítico y una actitud abierta frente al desarrollo científico-técnico de su especialidad. Debe fomentar y adquirir habilidades para trabajar en equipo. Debe valorar el sentido humanístico de la ciencia y de la técnica como resultado del esfuerzo de generaciones anteriores, con el objetivo de resolver problemas actuales y futuros. Para caminar en este sentido, el modelo educativo que se va a seguir en la asignatura “Recuperación avanzada de la información” tiene en la clase magistral un elemento importante, pero no exclusivo, para la transmisión de conocimiento. Utilizaremos una mezcla de clase magistral, clases prácticas y enseñanza virtual, B-Learning. Concretamente las actividades que se proponen son las siguientes: Clases de teoría con apoyo de material audiovisual. En estas clases se presentarán los contenidos básicos de un cierto tema. Las clases comenzarán con una breve introducción de los contenidos que se pretenden transmitir en la clase, así como con un breve comentario a los conceptos vistos en clases anteriores y que sirven de enlace a los que se pretenden desarrollar. El desarrollo de la clase se llevará a cabo con medios audiovisuales, textos, transparencias, etc., que permitan un adecuado nivel de motivación e interés en los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier momento en las clases para hacer éstas más dinámicas y facilitar el aprendizaje. Es importante intentar terminar la exposición con las conclusiones más relevantes del tema tratado. Las transparencias que se utilizarán en clase son un subconjunto de las que se facilitan a los alumnos en la página web de la asignatura. Estas transparencias son una guía para el estudio, pero no son sustitutas de la bibliografía recomendada. Talleres de prácticas. Las clases prácticas presenciales estarán dedicadas a la resolución colaborativa de problemas de representación y recuperación de información, para lo cual se utilizarán varias de las herramientas existentes. Trabajo obligatorio. Al alumno se le darán unas pautas para la realización de trabajos. Serán propuestos varios tipos de trabajos: algunos serán de revisión bibliográfica de temas actuales, otros de aplicación práctica de aspectos no vistos en los talleres de prácticas, y algunos otros serán trabajos de iniciación a la investigación. Presentación de los trabajos. Defensa pública de los trabajos, la cual estimula la interacción con el resto de los alumnos de la asignatura.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
92
Tutorías. El alumnado tiene a su disposición horas de tutorías en las que puede consultar cualquier duda relacionada con los contenidos, organización y planificación de la asignatura. Las tutorías pueden ser individualizadas, pero se admiten tutorías grupales para resolver problemas relacionados con las actividades realizadas en grupo. Página web de la asignatura. Se convierte en el vehículo de comunicación y registro de información de la asignatura.
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno Almind, T. C., Ingwersen, P. (1997) Informetric analyses on the world wide web:methodological approaches to 'webometrics', Journal of Documentation, 53(4),404-426. Broder, A. R. et al: (2000) Graph Structure in the Web. En: Proceedings of the 9th International WWW Conference, http://www.almaden.ibm.com/cs/k53/www9.final/. Callon, M. et al. (1995) Cienciometría. La medición de la actividad científica: de la bibliometría a la vigilancia tecnológica, Gijón: Trea. Chakrabarti, S. et al. (1997) Mining the Link Structure of the World Wide Web . IEEE Computer. Egghe, L. et al. (1990) Introduction to Informetrics. Amsterdam: Elsevier-Science Publishers. Ingwersen, P. (1998) The Calculation of the Web Impact Factors. Journal of Documentation, 54(2), 236-243. Kleinberg, J. M. et al. (1999) The Web as a Graph: Measurements, Models and Methods. En: Proceedings of the Fifth Annual International Computing and Combinatories Conference Kumar, R. et al. (1999) Crawling the Web for Emerging Communities. En: Proceedings of the
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales 10 5 15
Prácticas
- En aula 10 7 17 - En el laboratorio - En aula de informática - De campo - De visualización (visu)
Seminarios Exposiciones y debates 5 5 3 13 Tutorías 5 5 Actividades de seguimiento online Preparación de trabajos 25 25 Otras actividades (detallar) Exámenes
TOTAL 30 5 40 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
93
8th. International WWW Conference, http://www8.org.w8-papers/4a- searchmining/crawling/crawling.html Pirolli, P. et al. (1996) Silk from a Sow's Ear: Extracting Usable Structures from the Web. Proceedings of the Conference on Human Factors in Computing Systems, CHI'96, http://www.acm.org/sigchi/chi96/proceedings/papers/Pirolli_2/pp2.html
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Revistas • Communications of the ACM. • Cybermetrics. • Information Processing & Management. • Journal of Documentation. • Journal of the American Society for Information Science and Technology. • Library & Information Science Research. • Scientometrics. Conferencias • ACM Hypertext. • ACM International Conference for Human-Computer Interaction (CHI). • ACM SIGIR. • Computer Networks & ISDN Systems. • Hypertext, information retrieval, multimedia (HIM). • The WWW conference.
10.- Evaluación
Consideraciones Generales Los alumnos deberán asistir regularmente a las actividades presenciales y poner interés en el desarrollo de la materia. También en el desarrollo del trabajo obligatorio.
Criterios de evaluación Se tendrá en cuenta: • la asistencia y participación activa en las actividades presenciales. • la calidad científica y técnica del trabajo obligatorio, su calidad de presentación, su precisión y las conclusiones teniendo en cuenta un espíritu crítico y constructivo. • presentación del trabajo, la capacidad de comunicación del alumno, su capacidad expositiva, de debate y defensa argumental.
Instrumentos de evaluación Asistencia a actividades presenciales. Participación activa en clase y en el entorno virtual. Entrega del trabajo. Presentación del trabajo.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 60% Asistencia y participación en clase
20%
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
94
Total 100%
Otros comentarios y segunda convocatoria Observaciones:
Recomendaciones para la evaluación. Con carácter general, se recomienda: • asistir activamente a las sesiones presenciales de la asignaturas. • cumplir los plazos marcados para la entrega del trabajo. • seguir las instrucciones para la elaboración y presentación del trabajo
Recomendaciones para la recuperación. El alumno no superará la asignatura cuando no haya asistido regularmente a clase y no haya entregado y expuesto el trabajo con un mínimo de calidad. En consecuencia, deberá volver a realizar el trabajo con el nivel de calidad exigido. En todo caso, se recomienda consultar con los profesores.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
95
MÓDULO V: INGENIERÍA WEB
MATERIA: INGENIERÍA WEB Y WEB SEMÁNTICA
PROCESOS Y MÉTODOS DE MODELADO PARA LA INGENIERÍA WEB Y WEB SEMÁNTICA
1.- Datos de la Asignatura
Código 304486 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S2
Área Informática y Automática
Departamento Ciencia de la Computación e Inteligencia Artificial
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es /
Datos del profesorado
Profesor Coordinador Francisco José García Peñalvo Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho
Horario de tutorías
URL Web https://grial.usal.es
E-mail fgarcia@usal.es Teléfono 6095
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
96
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Ingeniería Web y Web Semántica”, dentro del Módulo “Ingeniería Web”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Perfil profesional.
Investigación
3.- Recomendaciones previas Conocimientos de Ingeniería del Software, Modelado Conceptual y UML 4.- Objetivos de la asignatura
• Introducir al desarrollo sistemático de aplicaciones web • Ofrecer los fundamentos básicos de métodos de ingeniería aplicados al desarrollo de
sistemas web complejos • Profundizar en el lenguaje de modelado UML para posibilitar el modelado de aspectos
propios de las aplicaciones web como es el caso de la navegabilidad • Introducir el concepto de Ingeniería de Software conducida por modelos • Introducir las arquitecturas basadas en servicios • Introducir la técnica de los SLR
5.- Contenidos
1. Introducción a la Ingeniería Web 2. Proceso y métodos de la Ingeniería Web 3. Ingeniería de Software Dirigida por Modelos 4. Arquitecturas Orientadas a Servicios 5. Revisión Sistemática de Literatura
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE9.
Transversales.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
97
7.- Metodologías docentes
Clase magistral; Seminarios; Tutorías online; Trabajo Cooperativo; Realización de trabajos; Presentación pública de trabajos
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno Kruchten, P. (2000) The Rational Unified Process – An Introduction. 2nd Edition. Addison Wesley Sowa, J. F. (2000) Knowledge Representation: Logical, Philosophical, and Computational Foundations. Pacific Grove, CA: Brooks Cole Publishing Co
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. Berners-Lee, T., Hendler, J., Lassila, O. (2001) The Semantic Web. Scientific American, 284(5):34-43 Koch, N. (2000) Software Engineering for Adaptive Hypermedia Applications. Reference Model, Modeling Techniques and Development Process. PhD. Thesis, Ludwig-Maximilians-Universität München Noy, N. F., McGuinness, D. L. (2001) Ontology Development 101: A Guide to Creating Your First Ontology. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales
Prácticas
- En aula 18 10 28 - En el laboratorio - En aula de informática - De campo - De visualización (visu)
Seminarios 6 5 11 Exposiciones y debates 4 5 9 Tutorías 2 2 Actividades de seguimiento online Preparación de trabajos 25 25 Otras actividades (detallar) Exámenes
TOTAL 30 0 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
98
10.- Evaluación
Consideraciones Generales
Criterios de evaluación Evaluación continua
Instrumentos de evaluación Asistencia y participación activa en clase 60% Realización y defensa de un trabajo 40%
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
99
MÓDULO VI: INTERACCIÓN HOMBRE-MÁQUINA
MATERIA: INTERACCIÓN MULTIMODAL
TECNOLOGÍAS DEL HABLA
1.- Datos de la Asignatura
Código 304487 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S2
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es /
Datos del profesorado
Profesor Coordinador Ángel Luis Sánchez Lázaro Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Ciencias
Despacho D1514
Horario de tutorías Solicitar via email
URL Web http://diaweb.usal.es/personas/alsl
E-mail alsl@usal.es Teléfono 6097
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
100
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Interacción Multimodal”, dentro del Módulo “Interacción Hombre-Máquina”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios.
Perfil profesional.
Investigación
3.- Recomendaciones previas 4.- Objetivos de la asignatura Definir, conocer y delimitar los problemas de computación relacionados con tecnologías del lenguaje y del habla. Tener una visión general del estado del arte de la construcción de interfaces orales. Identificar las distintas etapas del proceso de conversión Texto a Voz. Ser capaz de identificar los distintos módulos acústicos y lingüísticos que intervienen en el proceso de Reconocimiento Automático del Habla. Conocer técnicas de diseño y gestión de diálogos. Conocer y evaluar las herramientas de desarrollo disponibles. 5.- Contenidos
Introducción a las tecnologías del habla: Acústica, lenguaje y lingüística. El lenguaje oral. Fonética: Sonidos del habla y su trascripción fonética. Alfabetos fonéticos. Fonética articulatoria. Fonética acústica. Síntesis de habla: Normalización de texto. Análisis fonético. Generación de la onda sonora. Expresiones regulares: Patrones básicos. Alternativas, agrupación y secuencias. Lenguajes regulares y autómatas de estados finitos. N-grams: Modelos estadísticos del lenguaje. Gramáticas estocásticas. Perplejidad de una gramática. Modelos Ocultos de Markov (MOM): Autómatas probabilísticas. Modelos Ocultos de Markov. Estimación de emisión de secuencias. Estimación de trayectorias. Reconocimiento de habla: Introducción y alternativas. Arquitectura de reconocimiento de habla. Extracción de características. Aplicación de MOM a reconocimiento de habla. Uso de Redes neuronales artificiales en reconocimiento automático del habla. Diseño de aplicaciones con interfaces orales: Respuestas orales. Diálogos. Sistemas de diálogo básicos. Diálogos basados en lenguajes de marcas.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
101
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5, CE6, CE8, CE10.
Transversales.
7.- Metodologías docentes
La metodología docente que se seguirá en esta materia se concreta en la realización de las actividades siguientes: • Clases de teoría con apoyo de material audiovisual. Con esta actividad se pretende introducir los conceptos básicos y motivar al alumno tratando de captar su atención. • Trabajos. Los alumnos desarrollarán algún trabajo de investigación sobre algún tema expuesto y basado en algún artículo. El trabajo puede ser realizado de manera individual o en parejas. • Presentación oral de los trabajos. Los alumnos defienden públicamente sus trabajos. • Tutorías. El alumnado tiene a su disposición al profesor en las horas fijadas para resolver las dudas relacionadas con los contenidos, organización y planificación de la materia. Las tutorías pueden ser individualizadas, pero se admite tutorías grupales. • Zona virtual. Se convierte en el vehículo de comunicación y registro de información de la materia tanto del profesor hacia los alumnos como de material que los alumnos quieran intercambiar.
8.- Previsión de distribución de las metodologías docentes
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales
Prácticas
- En aula 16 10 26 - En el laboratorio - En aula de informática 4 10 14 - De campo - De visualización (visu)
Seminarios Exposiciones y debates 5 5 Tutorías Actividades de seguimiento online 5 15 Preparación de trabajos 25 25 Otras actividades (detallar) Exámenes
TOTAL 25 50 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
102
9.- Recursos
Libros de consulta para el alumno Bibliografía básica Fundamentals of Speech Recognition. Lawrence Rabiner, Biing-Hwang Juang. Prentice-Hall. 1993 Speech Synthesis and Recognition. J.H. Holmes, W. Holmes, WTaylor & Francis, 2001. How to Build a Speech Recognition Application. Bruce Balentine, avid P. Morgan EIG Press. 1999 Voice user interface design. Michael H. Cohen, James P. Giangola, Jennifer Balogh. Addison-Wesley. 2004 Design Effective Speech Interfaces. Susan Weinschenk. Dean T. Barker. WILEY. 2000 Speech and Language Processing. Daniel Jurafsky, James M. Martin. Prentice Hall. 2008
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. La referencias electrónicas están actualizadas en la página de la asignatura.
10.- Evaluación
Consideraciones Generales • Asistencia a clase: se exigirá un mínimo de asistencia del 80% de las actividades presenciales con participación activa. • Presentación de los trabajos: se valorará la precisión, capacidad de comunicación y espíritu crítico y constructivo. • Interacción en las clases teóricas. No está prevista ninguna forma de evaluación alternativa.
Criterios de evaluación 50% de la calificación final será la evaluación continua
Instrumentos de evaluación Evaluación continua. Realización y defensa de un trabajo individual.
Recomendaciones para la evaluación.
Recomendaciones para la recuperación.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
103
MÓDULO VI: INTERACCIÓN HOMBRE-MÁQUINA
MATERIA: INTERACCIÓN MULTIMODAL
INTERACCIÓN GESTUAL
1.- Datos de la Asignatura
Código 304488 Plan 2013 ECTS 3
Carácter Optativa Curso 1 Periodicidad Semestral S2
Área Lenguajes y Sistemas Informáticos
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es
Datos del profesorado
Profesor Coordinador José Rafael García-Bermejo Giner Grupo / s
Departamento Informática y Automática
Área Lenguajes y Sistemas Informáticos
Centro Facultad de Ciencias
Despacho F3017
Horario de tutorías
URL Web http://maxus.fis.usal.es
E-mail coti@usal.es Teléfono 1303
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
104
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Interacción Multimodal”, dentro del Módulo “Interacción Hombre-Máquina”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. Esta asignatura aporta los conocimientos suficientes para abordar profesionalmente la construcción de aplicaciones iOS en las que se haga un uso de bajo nivel de los mecanismos de interacción gestual. Es decir, se describe la forma en que se manejan internamente los mecanismos táctiles de la pantalla, y de hecho se construyen aplicaciones que hacen uso de ellos.
Perfil profesional.
Investigación. Alumnos interesados en desarrollo profesional de aplicaciones en iOS; de especial relevancia para la construcción de motores para juegos, así como para poder hacer uso eficiente de mecanismos de juegos basados en interacción táctil.
3.- Recomendaciones previas Disponer de ciertos conocimientos de Informática, especialmente en el nivel de usuario, con objeto de reconocer las técnicas propuestas. Disponer de conocimientos de programación, especialmente de programación orientada a objetos, para poder aprovechar de forma óptima los ejemplos de programación mostrados. La bibliografía que se presenta está escrita mayoritariamente en Ingles. Es recomendable conocer siquiera mínimamente el desarrollo de aplicaciones para iOS mediante Objective-C; los conocimientos de Swift 4/5 facilitarán mucho la tarea. 4.- Objetivos de la asignatura
La asignatura Interacción Gestual describe los mecanismos mediante los cuales es posible especificar la respuesta de un dispositivo táctil a la interacción con el usuario mediante gestos realizados con uno o más dedos. Concretamente, se estudia todo el conjunto de reconocedores de gestos que permiten asociar acciones a las traslaciones, rotaciones, ampliaciones, reducciones efectuados de forma individual.
Posteriormente se estudia la forma de tratar combinaciones de los gestos anteriores;
5.- Contenidos Apartados teórico-prácticos 1.- Mecanismos básicos de interacción persona-ordenador. Introducción histórica, forma de interactuar con los primeros “ordenadores” construidos.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
105
2.- Funcionamiento interno de una aplicación iOS. Vistas y Controladores de Vista. Tipos de controladores de gestos (UIGestureRecognizer). Configuración de reconocedores de gestos mediante Interface Builder. Configuración mediante código. 3.- Creación de aplicaciones reales basadas en reconocimiento de gestos. Adición de vistas mediante interacción gestual. Traslación. Rotación. Ampliación y Reducción. Eliminación de vistas mediante gestos. Eliminación de vistas mediante acelerómetro (“shaking”)
6.- Competencias a adquirir
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE5, CE6, CE8, CE10.
Transversales.
7.- Metodologías docentes
Las actividades formativas que se proponen para esta materia son las siguientes: Actividades presenciales:
• Lección magistral: exposición de teoría y resolución de problemas • Seminarios tutelados para grupos pequeños • Sesiones de tutorías • Exposición de trabajos y pruebas de evaluación
• Actividades no presenciales: • Estudio autónomo por parte del estudiante • Revisión bibliográfica y búsqueda de información • Realización de un trabajo.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
106
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno Hillegass, Preble y Chandler. Cocoa Programming for OSX, 5th Edition. Big Nerd Ranch. 2017 Kofler, M. Swift 5 Das umfassende Handbuch. Galileo Computing, 2019
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso. https://www.bignerdranch.com https://stackoverflow.com
10.- Evaluación
Consideraciones Generales
La meta perseguida por esta asignatura es que el Alumno adquiera los conocimientos básicos necesarios para aplicar el mecanismo básico de reconocimiento nivel propio de iOS (UIGestureRecognizer) empleando para ello el entorno de desarrollo Xcode y el lenguaje Swift. Con objeto de evaluar los conocimientos adquiridos se plantea la construcción de una aplicación para iOS desarrollada en Swift y creada en forma de proyecto de Xcode, o bien la realización de un trabajo teórico que describa el mecanismo de interacción gestual descrito pormenorizadamente a lo largo del curso.
Criterios de evaluación Se valora positivamente la aplicación concreta de los principios generales expuestos. Se valora positivamente el uso de las técnicas de programación expuestas
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales
Prácticas
- En aula 10 5 15 - En el laboratorio - En aula de informática 10 5 15 - De campo - De visualización (visu)
Seminarios 2 2 Exposiciones y debates 6 6 Tutorías 2 2 Actividades de seguimiento online Preparación de trabajos 35 35 Otras actividades (detallar) Exámenes
TOTAL 30 0 45 75
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
107
Instrumentos de evaluación Evaluación del trabajo entregado. Específicamente, no se admitirán trabajos realizados en otros lenguajes de programación ni en otros entornos, especialmente si se hubieran desarrollado en el contexto de otros estudios o asignaturas.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Exposición en clase de trabajo 20% Realización de trabajo escrito 60% Asistencia y participación en clase
20%
Total 100% Otros comentarios y segunda convocatoria
Observaciones:
Recomendaciones para la evaluación. El objetivo del trabajo es mostrar los conocimientos adquiridos en esta asignatura, creando una aplicación que haga uso de ellos. Será especialmente valorable la creación de aplicaciones con más de una vista, haciendo uso de distintos mecanismos de reconocimiento de gestos en cada vista.
Recomendaciones para la recuperación. Se recomienda realizar un trabajo que se ajuste a lo solicitado.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
108
MÓDULO VII: TFM
MATERIA: TRABAJO DE FIN DE MÁSTER
TRABAJO DE FIN DE MÁSTER + WORKSHOP
1.- Datos de la Asignatura
Código 304489 Plan 2013 ECTS 15
Carácter Obligatoria Curso 1 Periodicidad Semestral S2
Área Ciencia de la Computación e Inteligencia Artificial
Departamento Informática y Automática
Plataforma Virtual
Plataforma: STUDIUM / DIAWEB
URL de Acceso: http://studium.usal.es / http://mastersi.usal.es /
Datos del profesorado
Profesor Coordinador Roberto Therón Sánchez Grupo / s
Departamento Informática y Automática
Área Ciencia de la Computación e Inteligencia Artificial
Centro Facultad de Ciencias
Despacho F3006
Horario de tutorías Jueves-Viernes 10:00-13:00
URL Web http://vis.usal.es/
E-mail theron@usal.es Teléfono 6090
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
109
Bloque formativo al que pertenece la materia La asignatura pertenece a la materia “Trabajo de Fin de Máster”, dentro del Módulo “TFM”.
Papel de la asignatura dentro del Bloque formativo y del Plan de Estudios. El Trabajo de Fin de Máster (TFM) es un proyecto personal del estudiante que implica un profundo trabajo del análisis, de generación y diseño de propuestas personales en los que el alumno pone en práctica los conocimientos y capacidades que ha obtenido durante el desarrollo de la programación docente del Máster en Sistemas Inteligentes. Se tiene, por tanto, el propósito de probar la capacidad del estudiante en los objetivos formativos del Máster.
Perfil profesional.
Investigación.
3.- Recomendaciones previas Tener superadas todas las asignaturas del Máster 4.- Objetivos de la asignatura
Objetivos instrumentales generales • OI1: Aplicar los conocimientos adquiridos y capacidades desarrolladas durante el
seguimiento del Máster en el desarrollo de un trabajo amplio y completo. • OI2: Manejar con desenvoltura los procedimientos de integración de resultados y
documentación en un centro de trabajo (conocimiento de estándares de procedimiento, formatos, etc.).
Objetivos interpersonales generales
• OIP1: Destrezas para el trabajo coordinado con el tutor de los trabajos y, en su caso, con los responsables de los organismos externos en los que se realiza el trabajo.
Objetivos sistémicos generales
• OS1: Capacidad de integrar los conocimientos y destrezas prácticas de las diferentes materias del Máster para resolver situaciones reales relacionadas con los Sistemas Inteligentes.
• OS2: Poner a prueba el hábito de planteamiento de problemas, análisis de los mismos, propuesta, evaluación e implantación de soluciones. En este sentido, se pone a prueba la capacidad de abstracción, innovación del alumno en la elaboración, desarrollo e implantación de propuestas.
• OS3: El alumno debe proponer una solución completa y el desarrollo de la misma debe ir acompañado de procedimientos de validación suficientes que garanticen su viabilidad científica y/o económica.
2.- Sentido de la materia en el plan de estudios
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
110
5.- Contenidos
Prerrequisitos Competencias y contenidos mínimos
• Superación de todas las materias que forman su currículo en el desarrollo del Máster. Plan de trabajo para la consecución de los prerrequisitos El alumno ha de proponer y desarrollar su propio plan de trabajo bajo la dirección de su tutor. Propuesta de tema del Trabajo de Fin de Master Cada uno de los profesores que impartan docencia en el Máster tiene que proponer al menos 2 trabajos de TFM, según el reglamento vigente. El tema del TFM podrá ser planteado por:
1. El profesorado del posgrado de Informática y Automática de la Universidad de Salamanca.
2. El estudiante. 3. Una empresa. 4. Otro Departamento o Universidad dentro del marco de colaboración entre grupos de
I+D+i. Dirección del trabajo El TFM se debe dirigir o supervisar por un profesor o profesores hasta un máximo de tres (3) del Máster en Sistemas Inteligentes que esté a cargo del seguimiento y los costes del proyecto. En caso de que el trabajo se realice en una empresa o en otro Departamento universitario será necesario el nombramiento de una persona en la institución ajena que será responsable de la supervisión del estudiante dentro de la misma. Esta persona también será la persona del contacto para el profesor/es del Programa encargado del trabajo. Para evaluar el rendimiento y capacidad del estudiante en el desarrollo del TFM, es importante que el profesor del Máster en Sistemas Inteligentes esté implicado en la progresión del proyecto. En este sentido, el profesor puede pedir que el estudiante proporcione cualquiera informe o explicación en el transcurso de su ejecución. Asimismo, el estudiante podrá presentar los informes que considere pertinentes. En el caso de realizar el trabajo en una organización externa (empresa o centro de I+D) se permitirá al profesor tutor del trabajo reorientar el trabajo que se está haciendo, dentro de los acuerdos que se establezcan, para asegurar de que el proyecto satisface los requisitos principales de un TFM y, así, poder verificar las capacidades obtenidas por el estudiante. Régimen estatutario de los estudiantes en instituciones ajenas al programa Aunque el estudiante esté matriculado en el programa de postgrado de la Informática y Automática, cuando el trabajo de Master se realiza en una empresa o Departamento externo, su régimen de estancia y otros aspectos (sueldo, secreto, etc.) se realizará conforme a las reglas y a las regulaciones de la entidad externa siempre y cuando éste no entre en conflicto con lo establecido por los Estatutos de la Universidad de Salamanca. Se tiene por tanto que los lazos contractuales siempre ligarán al estudiante y la compañía y nunca a la Universidad. Informe de Trabajo de Fin de Máster El TFM incluye un informe escrito. El estudiante debe planificar su trabajo para disponer del tiempo suficiente para la elaboración de dicho informe. El estudiante debe escribir un informe (tres copias.) que contenga en los puntos siguientes:
• El título. • Los datos del contacto del estudiante (apellido, nombre, dirección).
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
111
• El nombre del laboratorio de la Universidad de Salamanca, empresa o información de institución de I+D externa en la cual se está haciendo el TFM.
• El nombre del tutor responsable del Máster en Sistemas Inteligentes. • Los resultados de TFM (análisis, conceptos y puesta en práctica de los mismos).
El informe no debe contener información confidencial, excepto en casos excepcionales. Asimismo, el informe debe ser representativo del trabajo del estudiante para poder juzgar las capacidades obtenidas por el estudiante. Workshop Este tipo de reuniones, se celebrará siempre condicionada por las posibilidades de organización integrada en una reunión de ámbito científico más general a la que asisten investigadores de ámbito nacional e internacional. Se pretende en esta reunión:
• Proporcionar al alumno ideas y consejos en su labor investigadora actual y futura. • Permitir conocer al estudiante a expertos de diferentes ramas de la investigación en
Informática y Automática para considerar diferentes alternativas en su trabajo de investigación.
• Interactuar en un ámbito más amplio que una defensa de un curso de posgrado en un foro
donde discutir ideas y sugerencias de compañeros y otros asistentes a la reunión.
• Introducir al alumno en las tareas propias de la organización de una reunión científica en aspectos que aunque no parezcan propios de las labores de I+D+i son fundamentales para su crecimientos y difusión
6.- Competencias a adquirir En este apartado se puede constatar que la naturaleza del trabajo de TFM tiene como objetivo poner a prueba las competencias desarrolladas en el Máster. No obstante, la ejecución del trabajo permitirá al alumno adquirir competencias adicionales derivadas de la naturaleza del mismo.
Básicas/Generales. CB6, CB7, CB8, CB9, CB10, CG1, CG2.
Específicas. CE1, CE2, CE3, CE4, CE5, CE6, CE7, CE8, CE9, CE10.
Transversales.
7.- Metodologías docentes
• Trabajos de investigación. Los alumnos desarrollarán el TFM sobre algún tema elegido.
• Presentación de los trabajos. Los alumnos defienden públicamente sus TFM en el Workshop que se organiza para la defensa de los mismos.
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
112
• El TFM incluye un informe escrito. El estudiante debe planificar su trabajo para además elaborar un artículo científico en Latex que se publicará en un libro que se edita como resultado del Workshop.
• Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la semana en las que puede consultar cualquier duda relacionada con el TFM.
• Zona virtual. La plataforma de enseñanza virtual de la asignatura constituye el vehículo de comunicación y registro de información de la materia.
8.- Previsión de distribución de las metodologías docentes
9.- Recursos
Libros de consulta para el alumno
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.
10.- Evaluación
Consideraciones Generales
Se valorará la presentación del informe escrito y del artículo del Workshop.
Se valorará la presentación y defensa del TFM.
Criterios de evaluación • Trabajos: se valorará el contenido, la precisión y el alcance del TFM desarrollado, así
como la interpretación de los resultados obtenidos, capacidad de comunicación y espíritu
Horas dirigidas por el profesor Horas de
trabajo autónomo
HORAS TOTALES Horas
presenciales. Horas no
presenciales. Sesiones magistrales
Prácticas
- En aula - En el laboratorio - En aula de informática - De campo - De visualización (visu)
Seminarios Exposiciones y debates Tutorías 20 20 Actividades de seguimiento online Preparación de trabajos 10 310 320 Otras actividades (Pruebas orales) 2 3 5 Exámenes (elaboración artículo científico) 5 25 30
TOTAL 37 0 338 375
Máster Universitario en Sistemas Inteligentes - Universidad de Salamanca Guía Académica 2019-2020
113
crítico y constructivo.
Instrumentos de evaluación Entrega y presentación del TFM y del artículo científico.
METODOLOGIAS DE EVALUACION Metodología Tipo de prueba a emplear calificación
Realización de trabajo individual escrito
80%
Realizar artículo científico 10% Presentación y defensa del TFM
10%
Total 100% Otros comentarios y segunda convocatoria
Observaciones:
Recomendaciones para la evaluación. Es obligatorio utilizar Latex para la presentación de los artículos del workshop. La plantilla que se debe usar es la de Lecture Notes. No se pueden modificar los márgenes ya que se va a publicar un libro con todos los trabajos. Para el español se debe utilizar el paquete Babel. Además de todos los ficheros de Latex hay que entregar un pdf ya generado para su inserción en el libro.
Recomendaciones para la recuperación. Para la recuperación será necesario entregar nuevos trabajos
top related